Inglês 
Funcionários usam sensores corporais para treinar robôs humanoides, revelando como a automação está sendo construída com dados do próprio trabalho humano.
Em fevereiro de 2026, o que revelou o que a indústria de robótica prefere não mostrar: por trás de cada vídeo impressionante de um robô humanoide dobrando roupa ou montando peças numa fábrica, há uma força de trabalho invisível de humanos que ensina esses robôs a se mover.
O caso mais direto veio do roboticista Aaron Prather, diretor da organização de normas ASTM International. Ele descreveu um projeto recente com uma empresa de entregas que pediu aos seus funcionários para usarem sensores de rastreamento de movimento durante o expediente normal — enquanto carregavam caixas, empilhavam pacotes, dobravam e levantavam cargas. Os dados capturados por esses sensores serão usados para treinar robôs a fazer exatamente o mesmo trabalho.
O paralelo com a inteligência artificial: como dados humanos viraram base de treinamento
Para entender o que está acontecendo com a robótica, é necessário olhar para o que já aconteceu com a linguagem. Quando a OpenAI treinou modelos como o ChatGPT, utilizou praticamente tudo que os humanos já escreveram na internet, livros, artigos, fóruns, comentários e redes sociais. Trilhões de palavras produzidas por bilhões de pessoas se tornaram o combustível de sistemas capazes de gerar texto com qualidade profissional.
-
Holanda registra primeiro caso de eutanásia em criança desde ampliação das regras para menores
-
Depois de 4 anos e muita fibra de vidro na garagem, brasileiro desce com um submarino caseiro até o fundo do mar em Paraty, enfrenta vazamento na escotilha e alarme falso de oxigênio a 7 metros e sobe vivo para contar
-
China não encontrou caminhão elétrico adequado para mineração, encomendou um do zero, lançou veículo de 140 toneladas com bateria de 770 kWh trocável em 4 minutos e já opera 290 unidades na maior mina de zinco de Xinjiang
-
Meta prepara o Arena, novo aplicativo de previsões que pode usar pontos, aproveitar 3,56 bilhões de usuários e entrar na disputa direta com Polymarket e Kalshi
Esse processo ocorreu sem coleta direta estruturada de dados físicos. O conteúdo já existia. Bastava ser processado. Agora, a indústria de robótica enfrenta um problema diferente. Não existe um “internet dos movimentos humanos”. Não há bancos massivos com bilhões de exemplos de como levantar peso, girar o corpo ou manipular objetos com precisão.
Esses dados precisam ser criados. E isso exige uma etapa nova: capturar o corpo humano em ação.
Sensores corporais e exoesqueletos: o novo método para treinar robôs humanoides
O relatório também trouxe exemplos concretos dessa nova forma de trabalho. Em Xangai, um trabalhador passou uma semana inteira utilizando um headset de realidade virtual combinado com um exoesqueleto equipado com sensores de movimento. Durante dias, repetiu a mesma tarefa: abrir e fechar a porta de um micro-ondas centenas de vezes.
Cada ângulo do braço, cada rotação do pulso, cada ajuste de postura foi registrado. Ao lado dele, um robô aprendia a executar o mesmo movimento.
O cenário descrito não era um laboratório experimental isolado, mas um ambiente industrial. O trabalhador não estava produzindo um item físico tradicional. Ele estava produzindo dados — dados que serão usados para treinar máquinas.
A corrida global por robôs humanoides e a falta de dados físicos
O investimento em robôs humanoides atingiu US$ 2,5 bilhões em 2024, com empresas como Tesla, Figure AI, Agility Robotics e startups chinesas disputando espaço em um mercado emergente. O principal obstáculo para todas essas empresas é o mesmo: falta de dados reais.
Vídeos não capturam força, peso, resistência ou microajustes de equilíbrio. Simulações computacionais ajudam, mas sofrem com o chamado “reality gap”, a diferença entre o ambiente virtual e a complexidade da física no mundo real.
A solução encontrada é direta: usar humanos como fonte de dados. Sensores corporais registram movimentos reais em ambientes reais, durante jornadas reais de trabalho. Esses dados alimentam algoritmos que permitem aos robôs aprender tarefas complexas.
O modelo híbrido: humanos coletam dados, simulações ampliam o aprendizado
Empresas como a Nvidia estão desenvolvendo modelos híbridos. Primeiro, coletam dados reais com trabalhadores usando sensores em hospitais, depósitos e fábricas. Em seguida, usam essas informações para criar ambientes simulados, onde milhões de variações do mesmo movimento podem ser testadas.
Esse processo reduz custos e acelera o treinamento. No entanto, ele depende de um ponto inicial inegociável: humanos executando tarefas físicas monitoradas.
O paradoxo da automação: o trabalhador treina a máquina que pode substituí-lo
Existe uma contradição estrutural nesse modelo que raramente aparece nos discursos oficiais. O trabalhador que utiliza sensores não está apenas realizando sua função habitual. Ele também está gerando os dados que permitirão automatizar essa função no futuro.
Diferente do que ocorreu com a linguagem na internet, aqui há uma relação direta de trabalho. O funcionário está sendo pago por sua atividade física, enquanto os dados gerados se tornam propriedade da empresa.
Isso cria um cenário onde o trabalho executado hoje contribui diretamente para sua possível substituição amanhã.
Limitações atuais dos robôs humanoides ainda são significativas
Apesar do avanço tecnológico, os robôs humanoides ainda operam com restrições relevantes. Modelos como o Digit e o Figure 02 atuam em ambientes controlados, muitas vezes isolados de trabalhadores humanos. Suas funções são limitadas a tarefas específicas e repetitivas.
Especialistas como Daniela Rus destacam que esses sistemas ainda não possuem senso comum. Em testes, robôs interpretaram comandos de forma literal e inadequada, demonstrando limitações cognitivas importantes.
Mesmo projeções otimistas, como a de um bilhão de humanoides até 2050, são vistas com ceticismo por especialistas do setor.
Privacidade e dados biométricos: o problema que ainda não foi resolvido
A coleta de dados físicos levanta questões que vão além da tecnologia. Sensores corporais capturam não apenas movimentos, mas padrões biométricos: postura, fadiga, tempo de recuperação e capacidade física. Essas informações podem revelar aspectos de saúde e desempenho individual.
Na maioria dos países, esses dados pertencem à empresa, pois são gerados durante o expediente. No entanto, não existem regulamentações claras sobre como podem ser usados.
Organizações como o IEEE defendem o conceito de “privacidade desde o projeto”, mas essas recomendações ainda não se tornaram leis.
O mercado global de robótica cresce enquanto o debate ainda não começou
Enquanto as discussões sobre ética e privacidade avançam lentamente, o mercado cresce em ritmo acelerado.
O setor de robótica industrial movimentou US$ 16,5 bilhões em 2024. Mais de 4,28 milhões de robôs estão em operação no mundo. Empresas como a Amazon já utilizam centenas de milhares de unidades em seus centros logísticos.
A China lidera a produção e domina grande parte da cadeia de suprimentos, consolidando uma vantagem estratégica no setor.
O modelo descrito pelo MIT Technology Review não é experimental. Ele já está em operação e tende a escalar. A construção de robôs humanoides em larga escala exigirá grandes volumes de dados físicos. E esses dados só podem ser gerados por humanos em atividade.
Assim como a linguagem humana alimentou a inteligência artificial textual, os movimentos humanos estão se tornando a base da próxima geração de máquinas.
Com uma diferença fundamental: neste caso, o trabalho que gera os dados é o mesmo que a tecnologia pretende substituir.
“Vai ser estranho”, disse Aaron Prather. E, ao que tudo indica, esse processo já começou.
With the constant population expansion which appears to be religeously motivated there is Expanding unemployment. The expense of robots is difficult to justify when the overall cost of unemployment is factored into the calculations.