A empresa chinesa Unitree anunciou oficialmente o lançamento e a abertura do código de uma nova arquitetura de controle de movimento para robôs humanoides chamada OmniXtreme. Junto com o anúncio, a companhia também publicou um artigo técnico assinado pelo fundador Wang Xingxing, detalhando os princípios e os resultados obtidos com a nova tecnologia.
A proposta do OmniXtreme é resolver um dos maiores desafios da robótica humanoide: executar movimentos complexos e altamente dinâmicos com precisão no mundo real. Esse tipo de capacidade é essencial em apresentações de alto desempenho, como as realizadas em eventos de grande visibilidade — por exemplo, demonstrações semelhantes às que costumam aparecer em espetáculos televisivos na China.
Uma nova abordagem para movimentos extremos
O OmniXtreme foi desenvolvido para lidar com um problema comum em robôs humanoides: quando o sistema precisa aprender grandes bibliotecas de movimentos, a qualidade da execução costuma cair. Isso acontece porque modelos tradicionais têm dificuldade em manter a fidelidade física ao combinar muitas habilidades diferentes.
Para resolver isso, a Unitree criou um processo de treinamento em duas etapas.
Na primeira fase, chamada Scalable Flow-based Pretraining, o sistema utiliza uma técnica conhecida como flow matching. Nesse processo, habilidades de alto dinamismo — como mortal para trás, movimentos de artes marciais e dança de rua — são reunidas e condensadas em um único modelo.
Em vez de depender apenas do aprendizado por reforço tradicional, o método usa modelagem generativa para aprender trajetórias de movimento, o que reduz interferências de gradiente entre múltiplas tarefas. Isso permite que o robô aprenda diferentes habilidades sem que uma prejudique o desempenho da outra.
Ajustes para o mundo físico
A segunda etapa do treinamento é chamada de Actuation-Aware Post-Training. Aqui, o foco é garantir que os movimentos aprendidos possam realmente ser executados no hardware físico do robô.
Nessa fase, o sistema utiliza aprendizado por reforço residual combinado com modelos realistas de torque e velocidade dos motores. Assim, o robô consegue ajustar automaticamente seus movimentos levando em conta:
- limites físicos dos motores
- consumo e regeneração de energia
- condições reais de execução
Esse processo ajuda a evitar falhas comuns quando algoritmos treinados em simulação são aplicados no mundo real.
Resultados impressionantes
Nos testes realizados com o robô Unitree G1, a nova arquitetura apresentou resultados bastante expressivos.
Entre os principais números divulgados estão:
- 96,36% de sucesso em mortais para trás
- apenas 10 milissegundos de latência na inferência end-to-end
Esses resultados mostram que o sistema consegue executar movimentos extremamente rápidos e complexos mantendo estabilidade e precisão.
Um passo importante para a robótica humanoide
Ao liberar o OmniXtreme como projeto open source, a Unitree pretende acelerar o desenvolvimento da robótica humanoide em toda a indústria.
Além de demonstrar a escalabilidade da técnica de flow matching aplicada à inteligência incorporada, o projeto também representa uma evolução importante: robôs estão deixando de apenas reproduzir movimentos isolados e passando a ter capacidades motoras mais gerais, fluidas e realistas.
Para pesquisadores e empresas do setor, essa abordagem pode servir como um novo paradigma para controle robusto em ambientes físicos complexos, aproximando ainda mais os robôs humanoides de aplicações reais no futuro.