Neuron AI, nova fábrica do Atlas da Boston Dynamics, novo modelo da DeepSeek e animação 3D com Argon

Vídeo de autoria do canal indicado, não da IANIA; todos os direitos pertencem ao criador. Transcrição, resumo e tradução gerados automaticamente; o conteúdo no idioma original é preservado na versão em idioma original.

Idioma original: inglês

Vídeo original: Neuron AI, Boston Dynamics New ATLAS Factory, New DeepSeek AI, Argon 3D Animation · Canal: AI News · 07:30 · Assistir no YouTube

Tópicos: Geração de conteúdo com IA, Modelos de IA, Robótica e sistemas autônomos

Resumo

O vídeo apresenta o Neuron AI, modelo da Neural Robotics que combina visão, tato, força, áudio, memória e linguagem para controlar robôs localmente. Em seguida, mostra como a oficina interna da Boston Dynamics permite fabricar protótipos do Atlas mais rapidamente e acelerar o ciclo entre projeto e montagem. A DeepSeek lançou um modelo de codificação que, segundo seus próprios benchmarks, oferece bom desempenho a um custo menor, embora ainda faltem resultados independentes. O vídeo também destaca usos do Gemini 4 Argon para transformar PDFs em experiências interativas, gerar ambientes 3D e, por fim, um robô que aprendeu futebol por meio de jogo contra si mesmo em simulação.

Pontos-chave

O Neuron AI é descrito pela Neural Robotics como um modelo de percepção, linguagem e ação para IA física, que combina sinais visuais, táteis, de força e de áudio com memória.
Segundo a Neural Robotics, o Neuron AI roda localmente nos robôs, sem depender de uma conexão com a nuvem, e pode ser usado em sua família de quatro robôs.
A Boston Dynamics construiu uma oficina própria para fabricar peças de protótipos do Atlas, inclusive peças com tolerâncias difíceis e engrenagens.
A equipe afirma que a montagem de um robô, que há um ano levava cerca de um dia, pode cair para aproximadamente uma hora no ano seguinte e, depois, para minutos.
A DeepSeek diz que o V4.1 Flash 1017 alcança 77% no benchmark de codificação DeepSWE por menos de US$ 0,20 por tarefa; os resultados ainda não foram verificados independentemente.
Os pesos do modelo da DeepSeek estão disponíveis no Hugging Face e no ModelScope.
O Gemini 4 Argon pode transformar PDFs densos em aplicações web interativas e animadas no Gemini, segundo a Google.
A Google afirma que o Argon gerou, a partir de um prompt curto e sem assets, um ambiente 3D em Python com 5 mil linhas de código matemático.
O vídeo termina com um robô que aprendeu futebol jogando contra versões anteriores de si mesmo em uma simulação de física.

Capítulos

Início	Capítulo	Resumo
00:00	Neuron AI e percepção robótica multimodal	O vídeo apresenta o modelo da Neural Robotics, seus sentidos integrados, o funcionamento local e as fontes de dados usadas no treinamento.
02:11	A oficina de protótipos da Boston Dynamics	A equipe explica como a fabricação interna de peças e a integração entre maquinistas e engenheiros aceleram a prototipagem do Atlas.
04:51	DeepSeek V4.1 Flash 1017	O vídeo compara o custo e o desempenho divulgados pela DeepSeek com outros modelos e ressalva que ainda não há resultados independentes.
05:53	Gemini 4 Argon cria experiências interativas e cenas 3D	A Google mostra o Argon transformando PDFs em aplicações web e gerando uma sala 3D a partir de um prompt curto.
06:56	Um robô aprende futebol jogando contra si mesmo	O vídeo encerra com um robô treinado em simulação contra versões anteriores de si mesmo e menciona o papel do jogo autônomo no caso do AlphaGo.

Citações

E se o próximo passo da IA incorporada não fossem olhos melhores, mas todo o resto? — 00:00

O modelo roda localmente no robô, então as decisões acontecem em tempo real, sem uma ida e volta a um servidor. — 01:07

Há apenas um ano, construir um único robô era um grande acontecimento; agora, leva cerca de um dia. — 03:44

Mas esses são benchmarks da própria DeepSeek, e ainda não há resultados independentes. — 05:22

A pergunta era se o Gemini 4 Argon conseguiria renderizar do zero uma sala 3D realista em Python puro. — 06:26

Conceitos e entidades

Neuron AI (modelo): Modelo da Neural Robotics apresentado como uma abordagem de percepção, linguagem e ação para controlar robôs.
Neural Robotics (empresa): Empresa que publicou o Neuron AI e descreve seu treinamento e uso em robôs.
Boston Dynamics (empresa): Empresa que desenvolve o Atlas e cuja equipe de operações de protótipos é destaque no vídeo.
Atlas (modelo): Robô humanoide da Boston Dynamics cuja prototipagem é acelerada pela oficina interna da empresa.
DeepSeek V4.1 Flash 1017 (modelo): Modelo da DeepSeek apresentado como uma opção de codificação de baixo custo, com resultados divulgados pela própria empresa.
DeepSWE (benchmark): Benchmark de codificação citado para comparar o desempenho do modelo da DeepSeek.
Hugging Face (ferramenta): Plataforma na qual, segundo o vídeo, os pesos do modelo da DeepSeek estão disponíveis.
ModelScope (ferramenta): Plataforma na qual, segundo o vídeo, os pesos do modelo da DeepSeek também estão disponíveis.
Gemini 4 Argon (modelo): Modelo da Google mostrado criando experiências interativas a partir de PDFs e gerando uma cena 3D em Python.
Google (empresa): Empresa que apresentou os usos do Gemini 4 Argon descritos no vídeo.
AlphaGo (modelo): Sistema citado como exemplo de como o jogo contra si mesmo pode levar a comportamentos super-humanos emergentes.

Tradução completa (pt-BR)

00:00 E se o próximo passo da IA incorporada não fosse ter olhos melhores, mas todo o resto? A Neural Robotics acaba de publicar o Neuron AI, que chama de modelo fundacional para IA física, e seu argumento é que a visão, sozinha, não basta. A maioria dos modelos que controlam robôs hoje são modelos de visão, linguagem e ação, que, segundo a Neuron, julgam principalmente com base nas imagens da câmera e raciocinam sobre o quadro atual. O Neuron AI é o que a empresa chama de modelo de percepção, linguagem e ação, e a diferença está em tudo o que ele acrescenta além da visão. Mas, para entender por que isso importa,

00:33 é preciso olhar para o que uma câmera não consegue dizer. Primeiro, ele ainda enxerga, interpretando a cena como um espaço 3D, incluindo a geometria, a posição e como os objetos podem ser alcançados. Em seguida, sente, usando dados de toque e força para perceber o contato, como se um parafuso está prendendo ou espanando, ou se uma bolsa está cheia ou vazia. Depois, ouve, usando áudio para detectar coisas fora do campo de visão, como o clique de uma trava se encaixando. E, por fim, lembra, rastreando objetos ao longo do tempo. Assim, ainda sabe que uma peça escondida atrás de outra está ali. Os próprios exemplos da Neuron incluem

01:07 confirmar que uma fechadura abriu usando apenas o som e o toque, e avaliar a qualidade de uma solda pelo som do processo. Tudo isso é combinado com os próprios dados das articulações do robô e com prompts em linguagem, formando um único fluxo de ações. Mas um modelo que faz tudo isso levanta uma questão: onde ele realmente é executado? Segundo a Neuron, ele roda localmente no robô, para que as decisões sejam tomadas em tempo real, sem precisar ir e voltar de um servidor, e continue funcionando sem conexão com a nuvem, enquanto os dados de produção permanecem sob o

01:37 controle do cliente, algo que a empresa apresenta como importante para os fabricantes europeus. A Neuron também afirma que o mesmo modelo é implementado em toda a sua família de robôs, composta por quatro dispositivos, incluindo o humanoide 4 Any 1. Para aprender tudo isso, a Neuron diz que treina com três fontes. A primeira são dados do mundo real, em que robôs executam tarefas em neurogyms e em ambientes reais, registrando visão, toque, força, áudio e movimento em conjunto. A segunda é a simulação, na qual seu amplificador de dados cria variações de tarefas e ambientes. E a terceira são

02:11 demonstrações humanas feitas por pessoas usando trajes de dados equipados com sensores. Enquanto a Nura se concentra em construir um cérebro robótico mais inteligente, outra empresa está adotando uma abordagem completamente diferente. Dentro da Boston Dynamics, há uma equipe chamada Prototype Operations, mas seu espaço de trabalho se parece muito mais com uma linha de fabricação completa, porque o que a equipe acabou de viabilizar fará com que o Atlas chegue às salas de vendas muito antes do previsto. E isso é a capacidade de finalmente criar protótipos em escala, internamente, dando suporte a construções de pesquisa e desenvolvimento

02:42 desde o projeto até a manutenção. Mas o motivo de tudo finalmente funcionar tem menos a ver com os próprios robôs e mais com algo que decidiram construir por conta própria. Para entender isso, é preciso começar pelo que acontece sempre que tentam fabricar peças em outro lugar. Primeiro, eles têm sua própria oficina mecânica porque, toda vez que a equipe tentou fabricar peças fora, os fornecedores disseram que não conseguiriam, alegando que as tolerâncias das peças eram rigorosas demais. Segundo a Boston Dynamics, é assim que eles aceleram o ritmo do desenvolvimento. E também não se trata de uma produção normal,

03:14 porque estão usinando peças para robôs que ainda nem existem. Isso significa desenvolver os métodos de usinagem, fazer a primeira tentativa de projetar para fabricação e escolher as ferramentas certas ao longo do processo. Mas há um processo nessa oficina que se destaca ainda mais: o corte de engrenagens, que, segundo a equipe, é muito específico do setor e raramente é encontrado em outros lugares. Assim, agora, sempre que a equipe precisa de algo, consegue encontrar uma maneira de fabricar, com o apoio de novas máquinas, equipamentos de última geração

03:44 e braços robóticos integrados ao processo de montagem. Mas o mais importante é o efeito de todos esses equipamentos no ritmo. Na verdade, há apenas 1 ano, construir um único robô era um grande acontecimento. Agora, leva cerca de um dia, e a equipe espera reduzir esse tempo para cerca de uma hora no ano que vem e, nos anos seguintes, para apenas alguns minutos. Além disso, o ciclo de feedback é igualmente rápido: uma ideia apresentada na segunda-feira pode ser implementada até o fim da semana no projeto, na montagem e até nos processos organizacionais. E, quando os engenheiros veem o que

04:17 a oficina consegue fazer, começam a pedir coisas que, de outra forma, nem pediriam, o que leva à última peça desse processo: a responsabilidade de ponta a ponta. Um maquinista trabalha com os engenheiros para encontrar a melhor abordagem e, em seguida, desenvolve a peça do início ao fim. Em vez de fabricar uma peça com base em um pedido, sem saber onde ela será usada, agora eles podem vê-la montada no mesmo dia ou no dia seguinte e depois subir até o departamento de humanoides para vê-la se mover. Também trabalham diretamente com os engenheiros e podem procurá-los quando um projeto não dá certo. Então, a pergunta agora é: se a produção de robôs passou

04:51 de um dia para uma hora e está a caminho de levar apenas alguns minutos, o que isso significa para a rapidez com que o próximo será projetado? Mas velocidade não é uma história só de hardware, porque a DeepSeek acaba de lançar um modelo cujo custo por tarefa continua caindo. O DeepSeek V4.1 Flash 1017 alcança 77% no benchmark de programação DeepSWE por pouco menos de 20 centavos por tarefa, acima dos 74,2% de seu antecessor, que custava cerca de 50 centavos. E, no mesmo gráfico, GPT-3 6 Astra, Gemini 3.8 Flash,

05:22 e Claude Opus 5 custam de US$ 2 a mais de US$ 10 por tarefa, e nenhum deles iguala sua precisão. Os pesos estão disponíveis em Hugging Face e ModelScope, e a DeepSeek diz que o modelo supera Claude Opus 5, GPT-3 5.6 Soul, Kimiko 3 e GLM 5.3 em várias categorias de programação e de agents. Mas esses são benchmarks da própria DeepSeek, e ainda não há resultados independentes. Então, se os agents continuarem ficando tão baratos, o que as pessoas vão construir com eles? O Google tem uma resposta, e ela começa com um PDF.

05:53 O Google mostra o canvas no Gemini usando Gemini 4 Argon para transformar PDFs densos em aplicativos web interativos e animados, que você pode explorar no seu próprio ritmo. Em vez de ler cada página, você recebe algo pelo qual pode navegar, com os momentos principais ganhando vida. O Google diz que as atualizações começarão a ser disponibilizadas no aplicativo Gemini em 16 de outubro para assinantes dos planos AI Pro e Ultra. Então, se Argon consegue transformar um documento que já existe, o que consegue criar do absoluto zero? O Google fez exatamente esse teste. A pergunta era se o Gemini 4 Argon

06:26 conseguiria renderizar do zero um cômodo 3D realista usando Python puro. A partir de um prompt curto e sem nenhum recurso visual, o Google diz que ele escreveu 5.000 linhas de matemática. Então, como ficou? O resultado mostra paredes de concreto, prateleiras de nogueira, sombras suaves e luz do sol refletida no lago. Ele até desvia a luz através de um vidro curvo para criar cáusticas sobre a pedra — os padrões luminosos que se formam quando um vidro curvo concentra a luz em uma superfície. Então, este é realmente um teste para saber se um modelo consegue resolver a física e o código ao mesmo tempo. E a reviravolta é que,

06:56 segundo o Google, Argon criou o vídeo que mostra tudo isso. E, por fim, este robô usou a inteligência da Skilled AI para aprender futebol jogando contra si mesmo durante 140 anos. Ele nasceu em uma simulação de física e jogou contra adversários cada vez mais difíceis, cada um deles uma versão anterior de si mesmo. Quando ficou pronto, foi desafiado para uma partida na vida real. E estes foram os resultados.

07:30 E o AlphaGo ensinou que o jogo contra si mesmo pode levar ao surgimento de um comportamento sobre-humano. Então, comente abaixo se você acha que conseguiria vencer este robô no futebol. Enfim, deixe seu like, inscreva-se e confira este vídeo aqui para ver mais das últimas notícias sobre IA e robótica. Obrigado por assistir.

Transcrição original

[00:00] What if the next step for embodied AI isn’t better eyes, but everything else? Neural Robotics just published Neuron AI, which it calls the foundation model for physical AI, and its argument is that vision alone isn’t enough. Most models that control robots today are vision language action models, which Neuron says judge mostly by camera input and reason on the current frame. Neuron AI is what it calls a perception language action model, and the difference is everything it added on top of sight. But to see why that matters,

[00:33] you have to look at what a camera can’t tell you. So first, it still sees, reading a scene as 3D space, including geometry, position, and how objects can be reached. Next, it feels, using touch and force data to sense contact, like whether a screw catches or strips, or whether a bag is full or empty. Then it hears, using audio to detect things out of sight, like a latch clicking into place. And finally, it remembers, tracking objects over time. So a part hidden behind another is still known to be there. Neuron’s own examples include

[01:07] confirming a lock has opened by sound and touch alone, and judging weld quality from the sound of the process. All of that gets combined with the robot’s own joint data and language prompts into a single stream of actions. But a model doing all that raises a question, which is where it actually runs. And according to Neuron, it runs locally on the robot, so that decisions happen in real time with no round trip to a server, and it keeps working without a cloud connection, while production data stays under the

[01:37] customer’s control, which the company presents as important for European manufacturers. Neuron also says the same model deploys across its robot family of four devices, including the 4 Any 1 humanoid. And to learn all of this, Neuron says it trains on three sources, with the first being real world data, where robots perform tasks in neuro gyms and real environments, recording vision, touch, force, audio, and movement together. Second is in simulation, where its data amplifier creates variations of tasks and environments, and third is

[02:11] human demonstrations from people wearing sensor-equipped data suits. And while Nura is focusing on building a smarter robot brain, another company is taking a whole different approach. As inside Boston Dynamics, there’s a team called prototype operations, but their workspace looks much more like a full manufacturing line, because what the team just unlocked will bring Atlas to sales rooms much sooner than anticipated. And that is the ability to finally prototype at scale in-house, supporting research and development

[02:42] builds from design all the way through maintenance. But the reason it all finally works has less to do with the robots themselves, and more to do with something they decided to build for themselves. And to understand it, you have to start with what happens every time they try to get parts made somewhere else. So first, they own their own machine shop because every time the team tried to get parts made outside, suppliers said they couldn’t do it, citing the part tolerances were too tight, which Boston Dynamics says is how they accelerate their pace of development. And it’s not normal

[03:14] production either, because they’re machining parts for robots that don’t even exist yet, which means developing the machining methods, making the first pass at design for manufacturing, and choosing the right tools along the way. But there’s one process in that shop that stands out even more. That’s gear cutting, which the team says is very specific in the industry and rarely found elsewhere. So now, as soon as the team needs something, the team can find a way to make it, backed by new machines, state-of-the-art equipment,

[03:44] and robot arms built into the assembly process. But what matters most is what all that equipment is doing to the pace. In fact, just 1 year ago, building a single robot was quite an event, but now it takes about a day, and the team expects that to drop down to around an hour next year, and down to just minutes in the years after. On top of this, the feedback loop is just as fast, with an idea on Monday that could be implemented by the end of the week across design, assembly, and even organizational processes. And once engineers see what

[04:17] the shop can do, they start asking things that they otherwise wouldn’t, leading to the last piece here, which is the end-to-end ownership, where a machinist starts with the engineers to find the best approach, then develops the part from start to finish. And instead of making a part from an order with no idea where it goes, they can now see the part assembled the same day or the next, then walk upstairs to the humanoid department to watch it move. They also work directly with the engineers and can go back to them when a design doesn’t work. So, the question now is, if robot production has gone

[04:51] from a day to an hour and heading to minutes, what does that mean for how quickly the next one will be designed? But speed isn’t only a hardware story, because DeepSeek just released a model that keeps getting cheaper per task. DeepSeek V4.1 Flash 1017 scores 77% on the DeepSWE coding benchmark at just under 20 cents a task, up from its predecessor’s 74.2% at around 50 cents. And on the same chart, GPT-3 6 Astra, Gemini 3.8 Flash,

[05:22] and Claude Opus 5 run from $2 to over $10 per task, and none match its accuracy. The weights are open on Hugging Face and ModelScope, with DeepSeek saying it beats Claude Opus 5, GPT-3 5.6 Soul, Kimiko 3, and GLM 5.3 in several coding and agent categories. But these are DeepSeek’s own benchmarks, and independent results aren’t in yet. So, if agents keep getting this cheap, what do people build with them? Google has one answer, and it starts with a PDF.

[05:53] Google shows canvas in Gemini using Gemini 4 Argon to turn dense PDFs into interactive animated web apps you can explore at your own pace. Instead of reading every page, you get something you can move through with the key moments brought to life, and Google says the updates are rolling out in the Gemini app starting October 16th for AI Pro and Ultra subscribers. So, if Argon can reshape a document that already exists, what can it make from nothing at all? Google gave it this test exactly. The question was whether Gemini 4 Argon

[06:26] could render a realistic 3D room from scratch in vanilla Python, and from a short prompt with zero assets, Google says it wrote 5,000 lines of math. So, what does that look like? The result traces concrete walls, walnut shelves, soft shadows, and lake sunlight, and it even bends light through curved glass to focus through caustics on stone, the bright patterns that form when curved glass focuses light onto a surface. So, this is really a test of whether a model can work out the physics and the code together. And the twist is that,

[06:56] according to Google, Argon made the video showing all of it. And finally, this robot used skilled AI’s intelligence to learn football by playing itself for 140 years. It was born in a physics simulation, and it played against increasingly difficult opponents, where each one was a previous version of itself. And once it was ready, it was challenged to a match in real life. And here were the results.

[07:30] And AlphaGo taught them that self-play can lead to emergent superhuman behavior. So, comment down below whether or not you think you’d be able to beat this robot at soccer yourself. Anyways, like and subscribe and check out this video here for more of the latest in AI and robotics news and thanks for watching.