💻 computer science

Zeva: In-Context Causal Learning for Generalizable Embodied Manipulation

Zeva é um framework inovador que possibilita a manipulação incorporada generalizável ao extrair interações causais das experiências físicas de um robô para uma memória de dupla escala temporal, permitindo que um modelo de política congelado se autoevolua e melhore seu desempenho através de diversas tarefas por meio de aprendizado em contexto sem a necessidade de atualizações de gradiente.

Autores originais: Fu Chen, Xin Ding, Bingjia Huang, Xiangyu Li, Mingju Wang, Jiawei He, Kun Li, Wei Sun, Yunxin Liu, Hao Wu, Ting Cao

Publicado 2026-09-01

📖 7 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Fu Chen, Xin Ding, Bingjia Huang, Xiangyu Li, Mingju Wang, Jiawei He, Kun Li, Wei Sun, Yunxin Liu, Hao Wu, Ting Cao

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

Os robôs há muito tempo são mestres no chão de fábrica, onde repetem o mesmo movimento milhares de vezes com perfeição absoluta. Mas, ao retirá-los desse ambiente controlado e colocá-los em uma cozinha ou laboratório real, eles frequentemente tropeçam. O mundo físico é desordenado; objetos se movem, superfícies são irregulares e a forma como uma garra sente um copo de água é diferente de como ela sente um copo de metal. Durante anos, a abordagem principal para ensinar robôs tem sido alimentá-los com quantidades massivas de vídeo e dados antes mesmo de saírem do laboratório, esperando que aprendam regras gerais suficientes para lidar com qualquer coisa. No entanto, quando esses robôs enfrentam uma situação que nunca viram antes, eles frequentemente falham porque seu "cérebro" interno não consegue se adaptar à nova física do momento. Eles ficam presos ao conhecimento que lhes foi dado, incapazes de aprender com seus próprios erros enquanto eles acontecem.

Uma equipe de pesquisadores da Universidade de Tsinghua e da Z-Trans AI propôs um caminho diferente, um onde o robô aprende a pensar sobre causa e efeito em tempo real. Eles introduziram um sistema chamado Zeva, que permite que um robô melhore seu próprio desempenho sem nunca alterar seu código de software subjacente. Em vez de tentar retreinar o cérebro do robô, o que é lento e arriscado, o Zeva atua como um caderno altamente organizado. Enquanto o robô tenta realizar uma tarefa, ele registra exatamente o que aconteceu quando se moveu: ele viu um objeto específico, moveu seu braço de uma certa maneira e o objeto permaneceu no lugar ou tombou. O sistema extrai a lição daquela interação única — o elo causal entre a ação e o resultado — e a armazena. Quando o robô tenta a mesma tarefa novamente, ele consulta este caderno, encontra a lição relevante e a utiliza para ajustar seu próximo movimento. Isso acontece instantaneamente, permitindo que o robô melhore a cada tentativa, mesmo que sua programação central permaneça congelada e inalterada.

Os pesquisadores testaram essa ideia em dois mundos muito diferentes. Primeiro, utilizaram uma simulação de computador sofisticada de uma cozinha, um lugar repleto de objetos complexos como chaleiras, torradeiras e batedeiras. Nesse ambiente virtual, o Zeva enfrentou cinco tarefas distintas, como ligar uma micro-ondas ou abrir a tampa de uma batedeira. Os resultados foram impressionantes. Enquanto outros sistemas robóticos avançados conseguiam ter sucesso cerca de 60 a 72 por cento das vezes, o Zeva alcançou uma taxa de sucesso de 76,8 por cento. Mais importante ainda, o sistema mostrou um padrão claro de autoaperfeiçoamento. Em sua primeira tentativa em uma tarefa, o robô teve sucesso apenas cerca de um quarto das vezes. Mas, conforme era permitido continuar tentando o mesmo cenário, usando as lições de suas falhas para guiar seus próximos movimentos, sua taxa de sucesso subia constantemente. Na quarta tentativa, ele estava tendo sucesso em 73 por cento dos casos. Isso provou que o robô não estava apenas tendo sorte; ele estava genuinamente aprendendo com o feedback físico de suas próprias ações.

Para garantir que isso não fosse apenas um resultado da simulação de computador, a equipe levou o sistema para um laboratório químico real. Eles equiparam um braço robótico físico com a capacidade de manipular vidraria delicada, como tubos de ensaio e béqueres, e realizar tarefas como despejar água ou pesar produtos químicos. Este ambiente era muito mais imprevisível do que a simulação, com gravidade, fricção e o risco de quebrar vidro reais. Aqui, o Zeva superou novamente os melhores sistemas existentes. Nas tarefas mais simples, como pegar um tubo de ensaio, ele obteve sucesso 100 por cento das vezes. Em sequências mais complexas, como preparar uma solução salina, alcançou uma taxa de sucesso de 70 por cento, significativamente superior aos seus concorrentes. Os pesquisadores também mediram quanto do processo o robô completou, não apenas se ele terminou todo o trabalho. Mesmo quando uma tarefa era difícil, o Zeva conseguiu completar mais etapas do que qualquer outro sistema, mostrando que sua capacidade de aprender através da interação o ajudou a navegar na realidade desordenada do mundo físico.

Uma parte fundamental do sucesso do Zeva é como ele organiza sua memória. O sistema não armazena apenas uma longa lista de tudo o que já fez; isso seria demais para processar rapidamente. Em vez disso, utiliza dois tipos de memória trabalhando em conjunto. Um é um traço de curto prazo que lembra os últimos segundos de ação, ajudando o robô a entender o que está acontecendo agora. O outro é uma memória persistente que guarda as lições mais úteis de tentativas anteriores, mesmo que essas tentativas tenham falhado. Quando o robô inicia uma nova tentativa, ele busca nesta memória persistente uma situação que se pareça com a que está enfrentando agora. Ele então usa essa experiência passada como um guia. Por exemplo, se o robô tentou anteriormente despejar água e o copo tombou porque ele inclinou rápido demais, ele lembra dessa relação específica de causa e efeito. Na próxima tentativa, ele consulta essa memória e diminui a velocidade de sua inclinação, evitando o mesmo erro. Esse processo ocorre sem qualquer alteração no software principal do robô, o que significa que o roboh pode aprender e se adaptar instantaneamente sem o processo lento e perigoso de retreinar todo o seu cérebro.

Os pesquisadores também descobriram que este sistema poderia aprender com humanos, não apenas com seus próprios erros. Em um experimento, um humano guiou fisicamente o braço do robô através de uma única tentativa bem-sucedida de uma tarefa complexa. O sistema registrou essa demonstração humana, extraiu as lições causais e as armazenou em sua memória. Quando o robô tentou a tarefa por conta própria, utilizou esse único exemplo humano para impulsionar seu aprendizado. Esse "aquecimento" permitiu que o robô desempenhasse muito melhor desde o início, melhorando sua taxa de sucesso em até 15 por cento em comparação a quando tinha que aprender inteiramente do zero. Isso sugere que um robô poderia aprender uma nova habilidade a partir de uma única demonstração humana e, em seguida, refinar essa habilidade através de sua própria prática repetida, combinando o melhor da orientação humana com o poder de sua autoevolução.

O estudo também analisou se as lições que um robô aprende em uma tarefa poderiam ajudar em uma tarefa completamente diferente. Eles descobriram que o sistema era capaz de reconhecer quando um efeito físico em uma nova tarefa era semelhante a um que já havia visto antes. Por exemplo, o movimento de inclinar um recipiente para despejar água foi reconhecido como semelhante ao movimento de inclinar um recipiente para misturar produtos químicos, embora os objetos e os objetivos fossem diferentes. Essa capacidade de transferir conhecimento entre tarefas significa que um robô não precisa começar do zero toda vez que enfrenta um novo desafio. Ele pode recorrer a uma biblioteca de relações de causa e efeito físico que construiu ao longo do tempo, tornando-o mais versátil e capaz em uma ampla gama de situações.

Apesar desses sucessos, os pesquisadores são claros sobre os limites de seu trabalho. O sistema atualmente aprende apenas das tentativas que faz enquanto tenta concluir um trabalho específico. Ele ainda não possui a capacidade de vagar pelo mundo e explorar apenas para aprender coisas novas, um comportamento conhecido como exploração ativa. Os autores sugerem que o trabalho futuro focará em ensinar o robô a escolher seus próprios experimentos, tentando deliberadamente diferentes ações para reduzir a incerteza sobre como o mundo físico funciona. Até lá, o Zeva representa um passo significativo à frente, mostrando que um robô não precisa ser retreinado para ficar mais inteligente. Simplesmente prestando atenção às consequências de suas próprias ações e lembrando o que funcionou e o que não funcionou, um robô pode evoluir suas capacidades, transformando cada falha em uma lição para a próxima tentativa.

Resumo Técnico: Zeva – Aprendizado Causal em Contexto para Manipulação Incorporada Generalizável

1. Declaração do Problema

A manipulação incorporada generalizável permanece um desafio significativo para a IA Incorporada (Embodied AI), particularmente ao implantar modelos pré-treinados (como Modelos de Visão-Linguagem-Ação (VLA) e Modelos de Mundo-Ação (WAMs)) em ambientes físicos do mundo real. Embora os modelos de fundação tenham progredido rapidamente, sua implantação é frequentemente frágil devido a condições físicas não vistas durante o pré-treinamento, incluindo geometrias de objetos inéditas, dinâmicas de contato, variações visuais e erros de execução específicos da incorporação.

Os métodos de adaptação existentes enfrentam limitações:

Treinamento em tempo de teste (ex: RoboTTT, WAM-TTT): Estes métodos atualizam os pesos do modelo ou pesos rápidos via gradiente descendente durante a implantação. Isso deixa a estrutura de mudança estado-ação implícita e frequentemente sofre de alta latência, impedindo a adaptação entre tentativas consecutivas.
Aprendizado em Contexto Padrão (ex: GEN-1.5, Skild S1): Estes mantêm os pesos fixos, mas dependem de demonstrações de tarefas para a generalização. Eles visam principalmente a generalização de tarefas, em vez do aprendizado on-the-fly de interações físicas a partir da própria experiência do robô.

O problema central abordado é como permitir que um robô aprenda as relações causais entre suas ações e as mudanças de estado resultantes durante a implantação no mundo real, permitindo que ele se adapte e evolua por conta própria sem atualizar os parâmetros do modelo de política subjacente.

2. Metodologia: Estrutura Zeva

Os autores propõem o Zeva, uma estrutura que permite o Aprendizado Causal em Contexto (ICCL). O Zeva mantém o modelo de política congelado durante a implantação, mas extrai conhecimento causal das interações físicas para guiar ações subsequentes. A estrutura opera através de três estágios principais:

A. Extração de Interação Causal

O Zeva utiliza um Codificador de Transição Causal (CTE) para fazer a ponte entre pixels brutos e o raciocínio causal.

Entrada: Em cada passo de tempo, o sistema extrai latentes visuais ( $s_\tau$ ), codificações de ação ( $u_\tau$ ) e efeitos observados ( $d_\tau$ ).
Processamento: Esses sinais são integrados em um Estado de Interação Causal ( $B_\tau$ ) via uma recorrência com portão (GRU).
Saída: O estado é projetado em dois componentes:
1. Um Token de Fase ( $p_\tau$ ) representando o progresso da tarefa.
2. Um Sinal de Interação Causal ( $e_\tau$ ) caracterizando a dinâmica física.
Otimização: O CTE é treinado com uma perda multiobjetivo que inclui Predição de Efeito Causal (fundamentando sinais em efeitos físicos), Agrupamento de Identidade de Tarefa (garantindo consistência da tarefa) e Progressão de Fase (execução de tarefa monotônica).

B. Memória Causal de Duplo Escala de Tempo

Para suportar a adaptação dentro e entre tentativas, o Zeva organiza unidades de interação em dois fluxos de memória:

Traço de Interação Breve (BIT): Uma janela deslizante de sinais de interação recentes ( $\{e_j\}$ ) dentro de uma única tentativa. Isso fornece contexto local imediato sobre a eficácia das ações atuais. É resetado no início de cada nova tentativa.
Memória de Interação Persistente (PIM): Acumula unidades causais através de múltiplas tentativas dentro do mesmo episódio. Utiliza fusão baseada em similaridade para consolidar evidências úteis. Um novo registro é fundido com um registro existente apenas se corresponder tanto ao progresso da tarefa (fase) quanto à dinâmica física (sinal) do registro existente. Esta memória é limpa apenas no início de um novo episódio.

C. Injeção de Política em Contexto

O estágio final transforma experiências armazenadas em um Prompt Causal estruturado para a política de fundação congelada.

Recuperação: O sistema consulta o PIM usando o token de fase atual ( $p_\tau$ ) para recuperar a evidência de interação mais relevante ( $R_\tau$ ) de tentativas anteriores.
Construção: Um Codificador de Contexto de Memória ( $F_{mem}$ ) funde a instrução da tarefa ( $g$ ), o token de fase atual, o BIT e os sinais recuperados do PIM em um único vetor de contexto ( $M_\tau$ ).
Inferência: Este contexto é injetado nas camadas de auto-atenção da política de fundação congelada (especificamente no caminho de difusão na implementação). A política realiza identificação de sistema implícita, inferindo propriedades latentes do ambiente (ex: massa do objeto, restrições de junta) para adaptar sua estratégia de ação sem atualizações de gradiente.

3. Principais Contribuições

Formulação de ICCL: O artigo formula a generalização de ação incorporada na implantação do mundo real como Aprendizado Causal em Contexto, onde uma política congelada aprende a partir de suas próprias experiências de interação física sem atualizações de peso em tempo de teste.
A Estrutura Zeva: Uma arquitetura inovadora combinando Extração de Interação Causal, Memória Causal de Duplo Escala de Tempo e Injeção de Política em Contexto para permitir a autoevolução sem gradiente através de tentativas repetidas.
Validação Empírica: Avaliação abrangente tanto em simulação (RoboCasa365-Atomic5) quanto em cenários do mundo real (ChemLab-Evo), demonstrando que a estrutura alcança desempenho de estado da arte e exibe capacidades de autoevolução.

4. Resultados Experimentais

Os autores avaliaram o Zeva no benchmark de simulação RoboCasa365-Atomic5 e no benchmark do mundo real ChemLab-Evo usando um manipulador ARX.

Desempenho do Benchmark:
- RoboCasa365-Atomic5: O Zeva alcançou a maior taxa média de sucesso de 76,8%, superando modelos de fronteira como Fast-WAM (72,4%) e Cosmos3-Nano (64,8%).
- ChemLab-Evo: O Zeva alcançou a melhor taxa de sucesso em todos os três níveis de dificuldade (Atômico, Sequência Curta, Complexo). Por exemplo, na tarefa "Pick Up Test Tube", alcançou 100% de sucesso, comparado a 80-95% dos baselines. Também superou os baselines em "Process Score" (conclusão de estágio ordenado) para tarefas de longo horizonte.
Escalonamento Pós-Implantação (Autoevolução):
- O Zeva demonstrou que as taxas de sucesso melhoram conforme o robô acumula experiência de interação.
- No RoboCasa365-Atomic5, a taxa de sucesso cumulativa aumentou de 26% na primeira tentativa para 73% dentro de quatro tentativas repetidas.
- No ChemLab-Evo, tendências de escalonamento semelhantes foram observadas, com taxas de sucesso subindo de 65% para 100% para "Pick Up Test Tube" através dos marcos de evolução.
Injeção de Experiência Guiada por Humanos:
- O Zeva pode incorporar uma única demonstração de teleoperação humana (warm-up de um tiro) para inicializar o PIM. Isso melhorou o desempenho em até 20% na tarefa "Place Beaker" e 15% em "Pour Water" sobre a autoevolução sozinha, permitindo que o robô reproduza abordagens demonstradas (ex: trajetórias de agarrar e posicionar) sem atualizações de gradiente.
Generalização Entre Tarefas:
- Estudos de ablação confirmaram a necessidade de ambos, BIT e PIM; remover o PIM reduziu as taxas de sucesso em 10–20%, enquanto remover o BIT causou quedas de 15–30%.
- Experimentos mostraram que sinais causais podem ser recuperados entre tarefas. Substituir sinais locais de tarefa por correspondências de tarefas próximas preservou a maior parte do desempenho (ex: 95% de sucesso em "Pick Up Test Tube" vs. 100% com sinais locais), enquanto a substituição aleatória causou quedas significativas.

5. Significância e Alegações

O artigo afirma que o Zeva representa a primeira estrutura que permite o aprendizado em contexto a partir das próprias experiências de interação física de um robô enquanto mantém um modelo de política congelado.

Autoevolução: Ao contrário de métodos baseados em gradiente que são lentos ou propensos ao colapso de capacidade, o Zeva permite a melhoria contínua através de tentativas repetidas ao atualizar apenas a memória de interação.
Generalização: Ao modelar explicitamente a causalidade entre ações e mudanças de estado, o Zeva permite que robôs se adaptem a diversas condições físicas e transfiram conhecimento entre tarefas sem retreinar o modelo de fundação.
Eficiência: A abordagem evita o custo computacional do treinamento em tempo de teste, tornando-a adequada para implantação em tempo real onde a adaptação rápida é necessária.

Os autores reconhecem uma limitação atual: o Zeva aprende causalidade apenas das tentativas geradas para a execução da tarefa, em vez de coletar interações ativamente para aprendizado. Um trabalho futuro é proposto para investigar a exploração dirigida pela causalidade para reduzir a incerteza de forma mais eficiente.