🤖 machine learning

Habilis- $β$ : A Fast-Motion and Long-Lasting On-Device Vision-Language-Action Model

O artigo apresenta o Habilis-β, um modelo de visão-linguagem-ação otimizado para dispositivos locais que supera os métodos existentes em velocidade e durabilidade em operações contínuas, graças a uma nova métrica de avaliação (PRP), pré-treinamento sem linguagem e técnicas de distilação que garantem alta performance tanto em simulação quanto em cenários do mundo real.

Autores originais: Tommoro Robotics, :, Jesoon Kang, Taegeon Park, Jisu An, Soo Min Kimm, Jaejoon Kim, Jinu Pahk, Byungju Kim, Junseok Lee, Namheon Baek, Sungwan Ha, Hojun Baek, Eduardo Ayerve Cruz, Wontae Kim, Junghyeo

Publicado 2026-02-24

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Tommoro Robotics, :, Jesoon Kang, Taegeon Park, Jisu An, Soo Min Kimm, Jaejoon Kim, Jinu Pahk, Byungju Kim, Junseok Lee, Namheon Baek, Sungwan Ha, Hojun Baek, Eduardo Ayerve Cruz, Wontae Kim, Junghyeon Choi, Yousuk Lee, Joonmo Han, Sunghyun Cho, Sunghyun Kwon, Soyoung Lee, Jun Ki Lee, Seung-Joon Yi, Byoung-Tak Zhang, Theo Taeyeong Kim

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que você está ensinando um robô a trabalhar em uma fábrica. A maioria dos robôs de hoje é como um aluno muito estudioso, mas extremamente lento e que desmaia se a prova durar mais de 10 minutos. Eles são ótimos em fazer uma tarefa perfeita uma única vez, mas se você pedir para eles repetirem a mesma tarefa 100 vezes seguidas, eles começam a errar, a ficar confusos e precisam que um humano vá lá e os "reinicie".

O Habilis-β é como um trabalhador veterano, rápido e resiliente que a empresa Tommoro Robotics criou. Ele foi feito para três coisas principais: ser rápido, durar muito tempo sem parar e rodar diretamente no robô (sem depender de internet lenta).

Aqui está como eles fizeram isso, usando analogias do dia a dia:

1. O Problema: O Robô "Perfeccionista Lento"

Os robôs antigos eram treinados como se cada tarefa fosse um maratona única. Eles aprendiam a fazer o movimento perfeitamente, mas de forma super cautelosa, como se estivessem andando em um fio de navalha.

O erro: Se o robô errasse um pouco, ele não sabia se recuperar sozinho.
O resultado: Eles trabalhavam devagar e paravam frequentemente para um humano consertar as coisas.

2. A Solução: O "Habilis-β" e seus 3 Segredos

O Habilis-β usa uma abordagem de três etapas para se tornar um mestre do trabalho:

Etapa 1: O "Jogo Livre" (Aprendendo a Brincar)

Antes de ensinar o robô a trabalhar, os cientistas deixaram ele brincar.

Analogia: Imagine um bebê humano. Antes de aprender a fazer uma conta de matemática (a tarefa), ele passa anos jogando com blocos, derrubando coisas, pegando objetos de vários jeitos. Ele não tem um "objetivo" definido, apenas explora.
No robô: Eles usaram horas de vídeos de humanos movendo robôs sem um objetivo específico (chamado "Play Data"). Isso ensinou ao robô a física básica: como segurar coisas, como não derrubar, como se recuperar se algo der errado. É a base da "intuição" do robô.

Etapa 2: O "Treino de Resistência" (Trabalho em Ciclo)

Depois de brincar, eles ensinaram o robô a trabalhar, mas de um jeito diferente.

O jeito antigo: Treinar o robô para fazer a tarefa, parar, resetar tudo e começar de novo do zero.
O jeito Habilis: Eles treinaram o robô fazendo a tarefa sem parar. A tarefa acaba, e imediatamente começa a próxima, com as coisas um pouco bagunçadas (como acontece na vida real).
Analogia: É a diferença entre um aluno que faz uma prova, sai da sala, toma um café e volta para a próxima prova, e um atleta que corre uma maratona. O Habilis-β aprendeu a correr a maratona, lidando com o cansaço e com as coisas que saem do lugar.

Etapa 3: O "Turbo Semântico" (ESPADA)

Aqui está a mágica da velocidade.

O problema: Quando um humano ensina um robô, ele move o braço devagar e com cuidado em tudo. Mas, quando o robô está apenas movendo o braço no ar (sem tocar em nada), ele não precisa ser tão devagar!
A solução (ESPADA): O sistema usa uma "inteligência artificial" para olhar o vídeo da demonstração e dizer: "Ah, essa parte aqui é apenas o braço voando pelo ar, vamos acelerar isso em 10x! Mas essa parte aqui é onde ele vai colocar a peça com precisão, vamos manter devagar."
Resultado: O robô não perde tempo fazendo movimentos lentos desnecessários. Ele voa onde pode e é preciso onde precisa.

3. A Tecnologia de "Cérebro Rápido"

Para rodar tudo isso dentro do robô (sem depender de um servidor na nuvem que pode ficar lento), eles usaram uma técnica de destilação.

Analogia: Imagine um professor genial (o modelo grande) que demora 1 hora para resolver um problema complexo. Eles criaram um "estudante" (o modelo Habilis) que aprendeu a fazer a mesma coisa em 2 segundos, mantendo a precisão. Isso permite que o robô pense e aja milhares de vezes por segundo, reagindo instantaneamente se algo sair do lugar.

4. O "Botão de Controle" (CFG)

O sistema tem um botão de ajuste chamado Classifier-Free Guidance.

Como funciona: É como o volume de um rádio. Se você quer que o robô siga a instrução do humano à risca (mesmo que seja mais lento), você aumenta o volume. Se você quer que ele use mais sua própria "intuição" para ser mais rápido e agressivo, você diminui o volume. Isso permite ajustar o robô para ser mais cauteloso ou mais rápido, dependendo da tarefa.

5. O Resultado: A Medida Real

Em vez de medir apenas "quantas vezes o robô acertou a tarefa uma vez", eles criaram uma nova medida chamada Plano Produtividade-Confiança:

Produtividade (TPH): Quantas tarefas ele faz por hora?
Confiança (MTBI): Quanto tempo ele trabalha antes de precisar de ajuda humana?

Os números são impressionantes:

Em simulações, o Habilis-β fez 572 tarefas por hora, enquanto o concorrente (π0.5) fez apenas 120.
No mundo real, com um robô humanoide fazendo trabalho de logística, o Habilis-β completou 124 tarefas por hora e só precisou de ajuda humana a cada 137 segundos (o concorrente precisava a cada 46 segundos e fazia apenas 19 tarefas por hora).

Resumo Final

O Habilis-β é como transformar um aluno que estuda para uma prova única em um operário experiente de fábrica. Ele aprendeu brincando, treinou para não cansar, acelerou os movimentos desnecessários e agora trabalha sozinho, rápido e confiável, direto no "cérebro" do robô, sem precisar de internet. É um grande passo para que robôs realmente trabalhem conosco no dia a dia.

Resumo Técnico: Habilis-β

1. O Problema e o Contexto

Os modelos Visão-Linguagem-Ação (VLA) avançaram rapidamente, mas enfrentam três barreiras críticas para a implantação no mundo real, especialmente em ambientes industriais:

Lentidão na Execução: Muitos sistemas VLAs produzem ações temporais densas e conservadoras, subutilizando movimentos rápidos em espaços livres e falhando em reagir rapidamente a mudanças (baixa reatividade em malha fechada).
Fragilidade em Longo Prazo: As avaliações padrão focam em taxas de sucesso de "tentativa única" com reinicializações curadas. Isso ignora a degradação de desempenho em execuções contínuas, onde erros pequenos se acumulam, o estado inicial se desvia e o sistema eventualmente falha, exigindo intervenção humana.
Latência e Dependência de Nuvem: Pilhas de VLA grandes frequentemente exigem computação pesada ou componentes de rede, criando latência imprevisível que impede o controle de alta frequência necessário para reações rápidas.

O artigo argumenta que as métricas atuais não capturam a produtividade (quantidade de trabalho por hora) e a confiabilidade (tempo de operação sem intervenção) necessárias para operações industriais reais.

2. Metodologia Proposta

Para abordar esses desafios, os autores introduzem o Habilis-β, um modelo VLA projetado para ser Rápido (Fast-Motion), Duradouro (Long-Lasting) e Executável no Dispositivo (On-Device).

A. Novas Métricas de Avaliação: O Plano Produtividade-Confiabilidade (PRP)
Em vez de apenas taxa de sucesso, o paper propõe o Productivity-Reliability Plane (PRP), utilizando duas métricas em um protocolo de execução contínua (1 hora):

TPH (Tasks per Hour): Mede a produtividade e a capacidade de movimento rápido.
MTBI (Mean Time Between Intervention): Mede a confiabilidade, definindo o tempo médio entre intervenções humanas (reset ou abortos).

B. Arquitetura e Treinamento (3 Estágios)
O modelo segue uma arquitetura prefixo-sufixo onde um VLM pré-treinado processa entradas multimodais e um "Especialista de Ação" gera chunks de ação contínua. O treinamento ocorre em três fases:

Pré-treinamento com Dados de "Play" (Jogo):
- Utiliza dados de teleoperação não estruturados e sem rótulos de tarefa específicos.
- Objetivo: Aprender um prior de interação robusto e agnóstico à tarefa, cobrindo estados de recuperação e comportamentos diversos que dados de sucesso puro não capturam.
Pós-treinamento com Dados Cíclicos:
- Diferente de episódios isolados (sucesso-então-parar), os dados cíclicos registram trajetórias contínuas onde o robô executa a mesma tarefa repetidamente.
- Objetivo: Ensinar o modelo a lidar com a deriva de estado (state drift) entre ciclos e comportamentos de recuperação, essencial para operações de longa duração.
Distilação de Fluxo Retificado (Rectified Flow Distillation):
- Comprime um modelo "professor" de múltiplos passos em um modelo "aluno" de dois passos.
- Objetivo: Reduzir drasticamente o custo de inferência, permitindo que o modelo rode em dispositivos de borda (edge devices) e libere orçamento de latência para controle de alta frequência (re-inferência mais frequente).

C. Técnicas de Otimização Específicas

ESPADA (Spatially Aware Downsampling): Um método que comprime seletivamente as fases de "trânsito" (movimento no espaço livre) enquanto preserva a alta frequência e precisão nas fases de "contato" e manipulação fina. Isso acelera a execução sem sacrificar a precisão.
Guia Livre de Classificador (CFG): Usado como um "botão" de implantação para equilibrar a adesão à instrução versus o prior de interação aprendido. Permite ajustar a agressividade e a velocidade da política em tempo de execução.
Controle de Alta Frequência: Ao reduzir a latência de inferência via distilação, o sistema pode reavaliar e corrigir ações mais frequentemente, combatendo a acumulação de erros.

3. Principais Contribuições

Mudança de Paradigma de Avaliação: Introdução do Productivity-Reliability Plane (PRP) e do protocolo de execução contínua, focando em produtividade (TPH) e confiabilidade (MTBI) em vez de apenas sucesso em tentativa única.
Arquitetura Híbrida de Dados: Combinação de pré-treinamento em dados de "play" (para robustez) e pós-treinamento em dados cíclicos (para continuidade), superando a deriva de distribuição em execuções repetidas.
Otimização para Edge e Velocidade: Integração de distilação de fluxo retificado e ESPADA para permitir controle de alta frequência em hardware limitado, alcançando movimentos rápidos sem perda de precisão.
Desempenho SOTA em Benchmarks: O Habilis-β estabeleceu novos recordes no RoboTwin 2.0 e superou modelos base (como $\pi0.5$ e GR00T N1.5) significativamente em ambientes simulados e reais.

4. Resultados Experimentais

Os resultados foram validados em simulação (RoboTwin 2.0) e em um cenário real de logística com um robô humanoide (RB-Y1).

Em Simulação (1 hora contínua):

Habilis-β vs. $\pi0.5$ :
- TPH: 572.6 vs. 120.5 (Aumento de ~4.7x).
- MTBI: 39.2s vs. 30.5s (Melhoria na confiabilidade).
- Taxa de Sucesso: 78.5% vs. 47.8%.

No Mundo Real (Logística de Embalagem em Esteira):

Habilis-β vs. $\pi0.5$ :
- TPH: 124 vs. 19 (Aumento de ~6.5x).
- MTBI: 137.4s vs. 46.1s (Melhoria de ~3x na confiabilidade).
- Taxa de Sucesso: 82.7% vs. 19.6%.

O Habilis-β demonstrou capacidade de operar por longos períodos com intervenções mínimas e alta velocidade, enquanto os modelos base falharam frequentemente devido à deriva de estado e lentidão.

5. Significado e Impacto

O trabalho do Habilis-β é significativo porque move o foco da pesquisa de VLA de "sucesso em laboratório" para "viabilidade industrial".

Viabilidade Operacional: Demonstra que é possível ter modelos que não apenas entendem instruções, mas operam com a velocidade e robustez necessárias para fábricas, onde o tempo de inatividade e a intervenção humana são custos proibitivos.
Eficiência Computacional: Prova que a distilação e a otimização de arquitetura podem permitir que modelos complexos rodem localmente em dispositivos de borda com controle em tempo real.
Novo Padrão de Avaliação: O PRP e o protocolo de execução contínua estabelecem um novo padrão para avaliar a prontidão de implantação de robôs, incentivando o desenvolvimento de sistemas que lidam bem com a repetição e a degradação gradual do desempenho.

Em suma, o Habilis-β representa um passo crucial na transição de robôs assistentes de laboratório para trabalhadores autônomos eficientes e confiáveis no mundo real.