Large Language Models and Agentic AI Architectures for Aerial and Ground Robots: A Systematic Review, Taxonomy, and Design Guidelines
Esta revisão sistemática analisa 124 estudos para estabelecer uma taxonomia de seis padrões arquitetônicos para integrar grandes modelos de linguagem e IA agêntica em robôs aéreos e terrestres, oferecendo diretrizes de design que priorizam a dinâmica de tarefas, segurança e restrições de implantação em detrimento de pontuações de benchmark, ao mesmo tempo em que destaca as limitações atuais em inferência embarcada e validação física.
Artigo original sob licença CC BY 4.0 (https://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 um robô que possa entender uma frase simples como "encontre o cão perdido no parque" e, em seguida, descobrir os passos para fazer isso por conta própria. Durante décadas, os robôs foram excelentes em seguir instruções estritas e pré-escritas, mas têm dificuldade quando o mundo muda ou quando lhes é pedido para fazer algo para o qual não foram explicitamente programados. Recentemente, um novo tipo de cérebro computacional, conhecido como modelo de linguagem de grande escala, surgiu. Estes são os mesmos sistemas poderosos que podem escrever histórias, responder a perguntas e manter conversas. Cientistas começaram a tentar conectar estes cérebos linguísticos a robôs físicos, esperando dar às máquinas a capacidade de raciocinar, planejar e adaptar-se tal como um ser humano faria. Esta fusão de compreensão de linguagem e movimento físico é a fronteira da robótica moderna, prometendo máquinas que possam trabalhar em ambientes imprevisíveis, desde zonas de desastre até ruas movimentadas de cidades.
Um investigador da Universidade de East London, Abdelrahman Mahmoud, analisou recentemente como isto está realmente a acontecer. Ele não construiu um novo robô, mas sim atuou como um cartógrafo para uma paisagem em rápida expansão e um tanto caótica. Ele reuniu e analisou 124 estudos científicos diferentes publicados entre janeiro de 2020 e abril de 2026, abrangendo tanto robôs voadores, conhecidos como drones, como veículos terrestres. O seu objetivo era mapear as diferentes formas como os engenheiros estão atualmente a conectar estes cérebros de linguagem aos corpos dos robôs e compreender quais os métodos que funcionam melhor para cada tarefa. O resultado é um quadro claro de um campo que se afasta da ideia de um único cérebro robótico todo-poderoso e se aproxima de uma abordagem mais prática e baseada em equipas.
O estudo descobriu que os robôs mais bem-sucedidos de hoje não dependem de um único modelo gigante para fazer tudo. Em vez disso, utilizam um sistema híbrido onde diferentes partes do robô lidam com diferentes tarefas. O modelo de linguagem atua como o comandante de alto nível. Ele ouve o pedido de um humano, decompõe-no em passos menores e decide o que precisa de ser feito a seguir. No entanto, quando se trata do trabalho físico real, o robô depende de ferramentas mais antigas e especializadas. Por exemplo, enquanto o modelo de linguagem pode decidir que o robô precisa de "procurar uma porta vermelha", é um programa de visão computacional separado e altamente especializado que realmente identifica a porta vermelha na transmissão da câmara. Da mesma forma, enquanto o modelo de linguagem pode planear uma rota, um controlador de voo ou controlador de rodas tradicional é o que impede o robô de colidir com uma parede ou cair de um precipício. A investigação mostra que tentar usar o modelo de linguagem para fazer a matemática precisa e de milésimos de segundo necessária para o movimento é atualmente demasiado lento e propenso a erros.
Mahimoud identificou seis formas principais como estes sistemas são construídos, variando do simples ao complexo. O design mais simples é uma rua de sentido único: o robô vê algo, o modelo de linguagem faz um plano e o robô executa-o sem olhar para trás. Isto funciona bem para tarefas fáceis em salas silenciosas, mas se o robô bater em algo inesperado, fica bloqueado. Designs mais avançados adicionam um ciclo de feedback, permitindo que o robô verifique o seu trabalho e altere o seu plano se algo correr mal. Os sistemas mais sofisticados utilizam uma hierarquia, onde um modelo de linguagem central atua como um gestor, delegando tarefas específicas como "olhar aqui" ou "mover para ali" a subequipas especializadas. Alguns investigadores estão até a testar sistemas onde múltiplos robôs comunicam entre si, cada um com o seu próprio cérebro baseado em linguagem, para resolver problemas em conjunto. Apesar do entusiasmo em torno de novos modelos "tudo-em-um" que tentam ver, pensar e mover-se todos ao mesmo tempo, a revisão encontrou que estes são ainda raros e frequentemente menos fiáveis do que a abordagem híbrida.
A análise também destacou uma lacuna significativa entre o que os robôs conseguem fazer numa simulação de computador e o que conseguem fazer no mundo real. Dos 124 estudos revistos, apenas 44 testaram de facto os seus sistemas em robôs físicos. O resto baseou-se em simulações, que são úteis para testar ideias, mas muitas vezes escondem os problemas desordenados e imprevisíveis do mundo real. Além disso, o estudo observou que, embora estes robôs estejam a ficar mais inteligentes, ainda têm dificuldades com coisas que os humanos consideram fáceis, como compreender exatamente onde um objeto está no espaço tridimensional ou planear uma sequência longa de ações sem cometer um erro. Eles podem por vezes "alucinar", inventando objetos ou passos que não existem, razão pela qual as verificações de segurança e a supervisão humana continuam a ser essenciais.
Em última análise, esta revisão sugere que o futuro dos robôs inteligentes não reside na substituição de engenheiros humanos por um único cérebro mágico, mas sim na construção de melhores equipas. Os robôs mais eficazes parecem ser aqueles que combinam o raciocínio flexível e criativo dos modelos de linguagem com a velocidade precisa e fiável do software de robótica tradicional. Os robôs voadores no estudo focaram-se fortemente em observar grandes áreas a partir de cima, enquanto os robôs terrestres se focaram em interagir com objetos e pessoas próximas, mas ambos seguiram a mesma regra básica: deixar o modelo de linguagem decidir o "quê" e o "porquê", mas deixar os sistemas especializados e comprovados lidarem com o "como". À medida que esta tecnologia amadurece, o desafio será tornar estes sistemas mais rápidos, seguros e capazes de trabalhar no mundo complexo e caótico em que vivemos, sem perder a fiabilidade que os impede de causar danos.
Afogado em artigos na sua área?
Receba digests diários dos artigos mais recentes que correspondam às suas palavras-chave de pesquisa — com resumos técnicos, no seu idioma.