Novo robô de IA Gen 4 com tecnologia NVIDIA e o novo cérebro de IA IRON (CLAUDE DUET)

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: New NVIDIA Powered Gen 4 AI Robot, New IRON AI Brain (CLAUDE DUET) · Canal: AI News · 08:02 · Assistir no YouTube

Tópicos: Agentes de IA, Automação de tarefas e workflows, Modelos multimodais, Robótica e sistemas autônomos

Resumo

O vídeo apresenta novidades em robótica e agentes de IA: o humanoide Gen4 da Neura, o robô IRON da Xpeng e um método da ETH Zurich para mobilidade robótica. Também mostra o Flora, ferramenta da NVIDIA para rotular dados de robôs em larga escala, e o Claude duet, um agente que acompanha aplicativos e envia alertas proativos. As empresas e os pesquisadores destacam avanços em percepção, aprendizado e autonomia, mas algumas funções e produtos ainda estão em desenvolvimento ou têm acesso limitado.

Pontos-chave

O Gen4 da Neura é mais leve e tem mãos avançadas, membros com reflexos e o cérebro Neuron AI, que opera localmente.
A Neura treina robôs no Robo gym, na Alemanha, usando dados do mundo real, demonstrações humanas e simulações.
A Xpeng atualizou o modelo VLA 2.0 para o robô IRON, com memória temporal e previsão de comportamentos futuros.
O método ACP da ETH Zurich planeja contatos do corpo com o ambiente para ajudar um Unitree G1 a superar obstáculos.
O ACP alcançou 92,5% de sucesso em oito percursos compostos, segundo os autores, usando apenas 13,2 minutos de movimento humano para aprender os contatos.
O Flora, do GEAR Lab da NVIDIA, rotula vídeos para treinar e monitorar robôs; a NVIDIA afirma que processa 200 mil horas por dia.
O Claude duet envia resumos matinais e alertas durante o dia, e pede aprovação antes de realizar ações sensíveis.
O Claude duet está em lista de espera para assinantes Pro e Max nos Estados Unidos, com disponibilidade em iOS, Android e claude.ai.

Capítulos

Início	Capítulo	Resumo
00:00	Gen4 da Neura	O vídeo apresenta o humanoide Gen4, seus aprimoramentos físicos, o sistema Neuron AI e o treinamento no Robo gym.
02:10	VLA 2.0 e robô IRON da Xpeng	A Xpeng apresenta a atualização do VLA 2.0, com memória e previsão, e descreve os recursos e planos de produção do IRON.
04:17	Mobilidade robótica com ACP	Pesquisadores da ETH Zurich mostram como o ACP ajuda um Unitree G1 a transpor obstáculos planejando pontos de contato.
05:21	Flora, ferramenta de dados da NVIDIA	O Flora rotula vídeos e avalia ações de robôs em larga escala, com comparações de custo e qualidade apresentadas pela NVIDIA.
06:26	Claude duet como agent proativo	O Claude duet acompanha aplicativos conectados, envia resumos e alertas e solicita aprovação antes de ações sensíveis.

Citações

E se a verdadeira corrida não for para ver quem constrói o melhor humanoide, mas quem o ensina mais rápido? — 00:00

Uma habilidade aprendida por um robô também fica disponível para outros robôs conectados. — 01:03

A ideia é planejar onde o corpo toca o mundo, em vez de copiar movimentos inteiros. — 04:17

A NVIDIA afirma que isso custa cerca de 125 vezes menos que o GPT-6 Astra. — 05:51

Ele mostra uma ação e espera sua aprovação antes de enviar mensagens, fazer pagamentos, assinar documentos ou excluir qualquer coisa. — 06:57

Conceitos e entidades

Neura (empresa): Empresa que apresentou o humanoide Gen4 e desenvolve o sistema Neuron AI.
Gen4 (modelo): Humanoide da Neura, mais leve que a geração anterior e equipado com mãos avançadas e membros com reflexos.
Neuron AI (modelo): Sistema de IA da Neura que combina visão, tato, força, som e o estado do robô para interpretar o ambiente.
Robo gym (ferramenta): Centro de treinamento da Neura, na Alemanha, onde empresas ensinam tarefas do mundo real a robôs humanoides.
Xpeng (empresa): Empresa que desenvolve veículos e robôs humanoides, incluindo o IRON.
VLA 2.0 (modelo): Modelo da Xpeng que converte sinais visuais diretamente em ações, sem uma etapa intermediária de linguagem.
Infini-VLA (modelo): Arquitetura da Xpeng que amplia a memória temporal do modelo e incorpora previsão do mundo.
IRON (modelo): Robô humanoide da Xpeng, atualizado para compreender melhor sequências temporais e prever comportamentos.
ETH Zurich (empresa): Instituição de pesquisa cujos pesquisadores apresentaram o método ACP para mobilidade de humanoides.
ACP (conceito): Método de mobilidade que planeja os pontos de contato do corpo do robô com o ambiente para superar obstáculos.
Unitree G1 (modelo): Robô humanoide usado pelos pesquisadores para testar o método ACP.
Flora (ferramenta): Mecanismo de dados da NVIDIA que gera legendas e avaliações para treinamento e monitoramento de robôs.
NVIDIA (empresa): Empresa responsável pelo GEAR Lab e pela ferramenta Flora, usada para preparar dados de treinamento de robôs.
Claude Duet (ferramenta): Aplicativo da Anthropic que acompanha aplicativos conectados e envia resumos e alertas proativos.
Anthropic (empresa): Empresa que lançou o Claude duet como aplicativo para tornar Claude um agent proativo.

Tradução completa (pt-BR)

00:00 E se a verdadeira corrida não for para ver quem constrói o melhor humanoide, mas quem o ensina mais rápido? Hoje, no AI News, vamos dar uma primeira olhada em um humanoide totalmente novo, um novo cérebro com novas habilidades e a próxima fronteira dos agentes de IA na nuvem. Mas, primeiro, a Neura acabou de revelar a próxima geração de seu humanoide, o Gen4, e ele já está funcionando. Então, aqui está o que há de novo, dividido em três partes, começando pelo que você pode ver: o design físico. O Gen4 é

00:30 mais esguio e 20% mais leve que a geração anterior, com uma cobertura têxtil preta e macia para parecer mais acessível. Além disso, o corpo mais leve permite que o Gen4 use com ainda mais eficiência sua segunda atualização: as mãos. Mais especificamente, a Neura diz que o Gen4 tem mãos avançadas para pegadas mais precisas, além do que chama de membros inteligentes, com reflexos integrados a cada membro, permitindo que ele reaja por conta própria e se mova com mais fluidez. Mas, quando os membros conseguem reagir, algo precisa orientá-los, certo? Essa é a terceira atualização: o

01:03 cérebro do Gen4, que a Neura chama de Neuron AI. Ele combina visão, tato, força, som e o próprio estado do robô em um único modelo, o que o ajuda a compreender o ambiente, e tudo isso funciona localmente no robô. Depois, a inteligência se distribui pelo que a Neura chama de neuroverse, para que uma habilidade aprendida por um robô também fique disponível para outros robôs conectados. Mas o lugar onde eles aprendem essas habilidades é outro ponto-chave: a Robo gym que a Neura inaugurou recentemente na Alemanha, onde empresas ensinam tarefas do mundo real a robôs humanoides.

01:38 Na verdade, empresas de mais de 10 setores diferentes, incluindo os setores automotivo, farmacêutico e de logística, treinam lá desde setembro, e a Neura diz que o Gen4 também está aprendendo nesse local, com dados de robôs do mundo real, demonstrações humanas e simulações. Quanto ao lançamento, a Neura diz que o Gen4 está sendo preparado para qualquer pessoa e para a produção em série, mas ainda não há uma data específica nem uma faixa de preço. Então, quanto isso deveria custar em comparação com outros concorrentes humanoides e onde você acha que ele se posiciona na hierarquia? Porque a Xpeng

02:10 também acabou de revelar a mais recente atualização de seu humanoide, mas com foco na próxima fronteira da percepção e reação em tempo real. E a Xpeng diz que o cérebro por trás dele é um modelo VLA 2.0 atualizado, que agora funciona no próprio robô. Mas, para entender o que há de novo, é preciso começar pelo que era o VLA 2.0 antes. Primeiro, em novembro passado, a Xpeng lançou o VLA 2.0 com uma abordagem diferente. Enquanto a maioria dos modelos de visão, linguagem e ação transformava o que via em linguagem antes de

02:41 agir, a Xpeng disse que seu modelo usava um caminho de ação com tokens implícitos de visão, eliminando a etapa da linguagem e indo diretamente dos sinais visuais às ações. A Xpeng também o chamou de primeiro modelo de mundo físico produzido em massa e disse que ele poderia controlar carros, humanoides e carros voadores, sendo treinado com quase 100 milhões de clipes de vídeo sem rotulagem manual, usando um modelo base de 72 bilhões de parâmetros na nuvem. E então veio a atualização. Segundo a Xpeng, a nova

03:11 arquitetura, chamada Infini-VLA, permite que o modelo se lembre de até 30 segundos do que acabou de acontecer, e um modelo preditivo de mundo chamado X foresight simula até 6 segundos à frente, embora o hardware pudesse chegar a 21 segundos; a Xpeng limita esse valor para economizar computação. Na verdade, eles também dizem que o modelo no dispositivo tem 3,5 vezes mais parâmetros que o anterior, com a velocidade de resposta cerca de 300% maior. Então, os carros da Xpeng já têm isso, com a implementação começando no fim de agosto nos modelos

03:43 com três chips Turing, cada um com capacidade nominal de 750 teraoperações por segundo, e uma versão leve para os carros com um único chip chegando em setembro. Quanto ao robô Iron, a atualização dá a ele uma compreensão temporal mais avançada e a capacidade de prever comportamentos futuros. Assim, em vez de reconhecer um gesto uma vez e concluir uma rotina, ele continua observando e ajustando-se em tempo real. A Xpeng diz que seu Iron de próxima geração tem 82 graus de liberdade, incluindo uma mão com 22 graus de liberdade, e usa três chips Turing para alcançar 3.000 teraoperações por segundo. Com a

04:17 Xpeng mirando uma produção em grande escala até o fim de 2026, começando pelas próprias lojas. Mas um robô capaz de apertar sua mão ainda precisa chegar até você, e esse é um problema diferente. Por isso, pesquisadores da ETH Zurich acabaram de revelar o ACP, ou mobilidade humanoide por meio de contatos baseados em atenção. A ideia é planejar onde o corpo toca o mundo, em vez de copiar movimentos inteiros. Primeiro, o robô é um Unitree G1 com 23 articulações, e uma única política controla

04:48 a escalada de escadas, o salto sobre muros e o rastejamento. Isso funciona com uma rede que planeja o próximo contato de nove partes do corpo, incluindo mãos, cotovelos, joelhos, pés e pelve, com até 1,5 segundo de antecedência, usando um mapa de altura obtido pelo lidar integrado. E uma segunda rede controla as articulações. E aqui está o impressionante: os contatos foram aprendidos com apenas 13,2 minutos de movimentos humanos, e o aprendizado por reforço preencheu o restante. Os resultados foram surpreendentes: em oito percursos compostos de obstáculos, os autores relataram uma

05:21 taxa de sucesso de 92,5%, contra apenas 58,8% dos métodos anteriores. Mas, enquanto o ACP aprendeu a escalar com apenas 13 minutos de movimentos humanos, na escala de uma empresa de robótica, o problema mais difícil é rotular milhares de horas de vídeo. Essa é a tarefa da Flora, um novo mecanismo de dados do GEAR Lab da Nvidia, usado para treinar seus modelos de robôs Groot. Na verdade, a Nvidia diz que ele produz legendas com marcações de tempo para filtrar dados de treinamento, avaliações passo a passo do progresso para o

05:51 aprendizado por reforço e julgamentos de sucesso ou fracasso para monitorar robôs no mundo real. E ele funciona em grande escala: rotula 200.000 horas de vídeo por dia usando 512 GPUs GB300, e a Nvidia afirma que custa cerca de 125 vezes menos que o GPT-6 Astra, com base em aproximadamente 72 centavos por hora de vídeo, contra US$ 88 do Astra. Mas essas são projeções, não medições diretamente comparáveis. Quanto à qualidade, a Nvidia diz que a Flora supera o Astra em alguns benchmarks, incluindo as recompensas no

06:26 Robo reward, embora o Astra ainda lidere em outros, como a precisão no WGO bench e no Robo meter. Então, a Flora ajuda a monitorar o que os robôs estão fazendo, mas e quanto a acompanhar tudo o que você precisa fazer? Para isso, a Anthropic acabou de lançar o Claude duet, seu mais novo app para fazer o Claude funcionar como um agent proativo. Na verdade, o Claude duet simplesmente envia um breve resumo matinal pelos seus apps conectados, acompanha-os ao longo do dia e só manda uma mensagem quando algo precisa de atenção. E ele funciona em sua própria

06:57 máquina virtual, com seu próprio navegador, então seu celular ou laptop não precisa estar ligado. Além disso, a Anthropic diz que ele até mostra uma ação e espera sua aprovação antes de enviar mensagens, fazer pagamentos, assinar documentos ou apagar qualquer coisa. Quanto ao acesso, por enquanto há uma lista de espera, começando pelos assinantes Pro e Max dos EUA, no iOS, Android e claude.ai; a disponibilidade futura ainda será definida. Enfim, curta e inscreva-se, e confira este vídeo para saber mais sobre as últimas novidades em IA e robótica,

07:30 e obrigado por assistir.

08:02 >> Uhu!

Transcrição original

[00:00] What if the real race isn’t who builds the best humanoid, but who teaches it fastest? Today on AI news, we’re taking a first look at a brand new humanoid robot, a new brain with new skills, plus the next frontier of cloud AI agents. But first, Neura just unveiled the next generation of its humanoid, the Gen4, and it’s already working. So here’s what’s new, broken down into three parts, starting with what you can see, which is the physical design. So Gen4 is

[00:30] slimmer and 20% lighter than the last generation with a soft black textile skin to make it look more approachable. Plus the lighter body enables Gen4 to use its second upgrade even more effectively, which are its hands. Specifically, Neura says Gen4 has advanced hands for more accurate grips, plus what it calls smart limbs with reflexes built into each limb, allowing it to react on its own and move more fluidly. But once limbs can react, something has to guide them, right? So that’s the third upgrade, which is

[01:03] Gen4’s brain, and Neura calls it Neuron AI. It feeds vision, touch, force, sound, and the robot’s own state into one model, which all help it understand its environment, and it all runs locally on the robot. Then, the intelligence distributes itself through what Neura calls the neuroverse, so that a skill learned by one robot also becomes available to other connected robots. But where they learn these skills is another key, which is Neura’s recently opened Robo gym in Germany, where companies teach humanoid robots real-world tasks.

[01:38] In fact, companies from more than 10 separate industries, including automotive, pharma, and logistics, have all been training there since September, and Neura says Gen4 is learning there, too, from real-world robot data, human demonstrations, and simulation. And as for release, Neura says for anyone, Gen4 is being prepared for series production, but there’s no specific date yet or price range. So, how much should this cost in comparison to other humanoid competitors, and where do you think it ranks on the totem pole? Because Xpeng

[02:10] also just revealed its newest humanoid upgrade, but from an angle that’s all about the next frontier of real-time perception and reaction. And Xpeng says the brain behind it is an upgraded VLA 2.0 model that now runs on the robot itself. But to see what’s new, you have to start with what VLA 2.0 was before. So, first last November, Xpeng launched VLA 2.0 with a different path. As most vision language action models turned what they see into language before

[02:41] acting, but Xpeng said its model used a vision-implicit token action path that cut the language step out, going straight from visual signals to actions. And Xpeng also called it the first mass-produced physical world model, and said it could drive cars, humanoids, and flying cars being trained on nearly 100 million video clips without manual labeling with a 72 billion parameter base model in the cloud. So, enter the upgrade. According to Xpeng, the new

[03:11] architecture called Infini-VLA lets the model now remember up to 30 seconds of what just happened, and a predictive world model called X foresight simulates up to 6 seconds ahead, though the hardware could reach 21 seconds, and Xpeng caps it to save compute. In fact, they also say the on-device model has 3.5 times the parameters of the last one with response speed up about 300%. So, the car’s already got this at Xpeng, rolling out from late August on models

[03:43] with three Turing chips, each rated at 750 tera operations per second with a light version for its single-chip cars following in September. And as for the iron robot, the upgrade gives it stronger temporal understanding and future behavior prediction. So, instead of recognizing a gesture once and finishing a routine, it keeps observing and adjusting in real time. With Xpeng saying its next-gen iron has 82° of freedom, including a 22° of freedom hand, and uses three Turing chips for 3,000 tera operations per second. With

[04:17] Xpeng aiming for large-scale production by the end of 2026, starting in its own stores. But, a robot that can shake your hand still has to get to you, and that’s a different problem. Which is why researchers at ETH Zurich just revealed ACP, or humanoid mobility via attention-based contacts. And the idea is to plan where the body touches the world instead of copy whole motions. So, first, the robot is a Unitree G1 with 23 joints and a single policy handles

[04:48] climbing ladders, vaulting walls, and crawling. And it works by having one network plan the next contact for nine body parts, including hands, elbows, knees, feet, and pelvis, up to 1.5 seconds ahead, using a height map from onboard lidar. And a second [music] controls the joints. And here’s what’s remarkable. The contacts were learned from just 13.2 minutes of human motion, with reinforcement learning filling in the rest. And the results were astounding because on eight composite obstacle courses, the authors reported a

[05:21] 92.5% success rate versus just 58.8% for earlier methods. But, while ACP learned to climb from just 13 minutes of human motion, at robot company scale, the harder problem is labeling thousands of hours of video. That’s the job of Flora, a new data engine from Nvidia’s GEAR Lab, used to train its Groot robot models. In fact, Nvidia says it produces timestamp captions to filter training data, step-by-step progress ratings for

[05:51] reinforcement learning, and success or failure judgements to monitor robots in the real world. And it works at scale, labeling 200,000 hours of video a day across 512 GB300 GPUs, with Nvidia claiming that it’s roughly 125 times cheaper than GPT-6 Astra based on about 72 cents per hour of video against Astra’s $88. But those are projections, not like-for-like measurements. And on quality, Nvidia says Flora beats Astra on some benchmarks, including rewards on

[06:26] Robo reward, though Astra still leads on others, like accuracy on WGO bench and Robo meter. So, Flora helps monitor what robots are doing, but what about keeping track of everything that you need to do? For that, Anthropic just launched Claude duet, which is its newest app to make Claude work as a proactive agent. In fact, Claude duet simply sends a short morning brief across your connected apps, watches them through the day, and messages you only when something needs attention. And it runs on its own

[06:57] virtual machine with its own browser, so your phone or laptop doesn’t need to be on. Plus, Anthropic says it even shows you an action and waits for approval before sending messages, making payments, signing documents, or deleting anything. And when it comes to access, currently there’s a waitlist starting with US Pro and Max subscribers on iOS, Android, and claude.ai, with further availability to be determined. Anyways, like and subscribe, and check out this video here for more of the latest in AI and robotics news,

[07:30] and thanks for watching.

[08:02] >> Woo!