noticias

LG aposta em robô humanoide para 2027 e transforma parceria com Nvidia em projeto de IA física

**Categoria editorial:** Inteligência Artificial

Matéria completa

A LG colocou uma data em uma ambição que vinha construindo aos poucos: pretende apresentar, no primeiro trimestre de 2027, um robô humanoide bípede baseado na plataforma de inteligência artificial e robótica da Nvidia. O projeto deverá usar o computador embarcado Jetson Thor, modelos da família Isaac GR00T e a arquitetura de segurança Halos, enquanto diferentes empresas do conglomerado sul-coreano fornecerão componentes como sensores, atuadores e baterias. O acordo entre as companhias foi firmado em 13 de agosto, na sede da Nvidia em Santa Clara, na Califórnia.

O anúncio é importante menos pelo fato de a LG ter decidido fabricar um humanoide — um mercado já bastante concorrido — e mais pela maneira como pretende fazê-lo. Em vez de tratar o robô como um produto isolado, o grupo está tentando montar uma cadeia que começa nos componentes mecânicos, passa pela coleta e geração de dados, chega ao treinamento dos modelos de IA e termina na computação responsável por controlar a máquina no mundo real.

É a diferença entre construir um robô que funciona em uma demonstração cuidadosamente preparada e desenvolver uma plataforma capaz de repetir tarefas durante milhares de horas em uma fábrica, sem transformar cada caixa fora do lugar em uma crise existencial para o algoritmo.

O robô ainda não existe como produto pronto

É importante separar anúncio empresarial de produto demonstrado.

A LG confirmou a intenção de mostrar o humanoide no primeiro trimestre de 2027, mas ainda não divulgou especificações essenciais como altura, peso, capacidade de carga, autonomia de bateria, velocidade, quantidade de articulações, preço ou previsão de comercialização. Também não existem testes independentes que permitam avaliar sua confiabilidade ou desempenho.

Portanto, dizer que a LG terá um humanoide em 2027 não significa afirmar que haverá um robô disponível para compra ou pronto para trabalhar autonomamente em residências e fábricas naquele período.

O que existe hoje é um projeto tecnológico acompanhado de um cronograma.

E esse cronograma revela bastante sobre onde LG e Nvidia acreditam que a próxima fase da inteligência artificial poderá acontecer.

Nvidia fornece o cérebro computacional

O Jetson Thor será uma das principais peças da arquitetura.

A plataforma foi criada para executar modelos de inteligência artificial diretamente em robôs e outras máquinas autônomas. Isso permite processar câmeras, sensores e comandos próximos ao equipamento, reduzindo a necessidade de enviar cada decisão para um servidor distante.

Em robótica, latência não é apenas um número bonito em uma apresentação técnica. Se uma máquina precisa interromper um movimento porque uma pessoa entrou em seu caminho, algumas centenas de milissegundos podem importar muito mais do que importariam ao gerar uma resposta em um chatbot.

A Nvidia vem posicionando o Jetson Thor como base computacional para robôs avançados. Empresas como Boston Dynamics, Humanoid e RLWRLD estão entre as organizações que já integraram a plataforma a projetos humanoides, o que deixa claro que a fabricante não pretende apostar em apenas um vencedor dessa corrida.

Sobre essa capacidade computacional entra o Isaac GR00T, família de tecnologias voltadas ao desenvolvimento de modelos para robótica.

A ideia é permitir que uma máquina combine percepção visual, informações sobre seu próprio estado, instruções e modelos de ação para decidir como executar uma tarefa física.

Reconhecer uma caixa é relativamente simples.

Entender que ela precisa ser retirada de uma esteira, calcular onde colocar os dedos, aplicar força suficiente para segurá-la, movimentar os braços sem atingir uma pessoa e posicioná-la em outro local sem derrubá-la é um problema muito mais complexo.

É nesse intervalo entre “entender” e “agir” que a chamada IA física começa a se diferenciar da IA generativa tradicional.

A LG quer fabricar boa parte do corpo

Se a Nvidia entra principalmente com a plataforma computacional e de software, a LG possui algo que muitas startups de inteligência artificial não têm: uma cadeia industrial extensa.

Segundo as informações divulgadas sobre a parceria, LG Electronics e LG Innotek deverão participar do desenvolvimento de sensores e atuadores, enquanto a LG Energy Solution poderá fornecer sistemas de bateria.

Essa integração pode se tornar uma vantagem relevante.

Um humanoide não é apenas um modelo de IA montado sobre pernas.

Motores precisam ser fortes, compactos e eficientes. Articulações precisam suportar milhares de ciclos. Câmeras e sensores precisam continuar funcionando em ambientes com vibração, poeira e iluminação ruim. Baterias precisam oferecer autonomia sem tornar a máquina excessivamente pesada. O controle térmico precisa impedir que processadores e motores transformem o robô em um aquecedor ambulante muito caro.

A experiência da LG com motores, eletrodomésticos, baterias, eletrônica e produção em massa ajuda a explicar por que a companhia considera a robótica uma extensão possível de negócios que já domina.

Em junho de 2026, a LG Electronics já havia criado um Robotics Business Center ligado diretamente ao CEO e anunciado uma estratégia envolvendo robôs, componentes e uma estrutura dedicada à geração de dados para treinamento.

O humanoide anunciado agora não surgiu, portanto, como uma iniciativa isolada.

Ele é uma peça de uma reorganização maior.

Antes das pernas, a LG quer aprender com rodas

Há um detalhe da estratégia que provavelmente dirá mais sobre as chances de sucesso da LG do que qualquer vídeo promocional do futuro humanoide.

Antes de colocar uma máquina bípede para trabalhar, a companhia pretende testar um robô baseado em rodas.

O CLOiD deverá ser colocado até o fim de 2026 em uma linha de fabricação de máquinas de lavar da LG no Tennessee, nos Estados Unidos. A empresa pretende usar essa experiência para coletar informações sobre tarefas reais de produção e alimentar seu processo de desenvolvimento.

Essa escolha é tecnicamente sensata.

Fábricas oferecem ambientes relativamente controlados, mas ainda suficientemente complexos para desafiar sistemas de percepção e manipulação.

Objetos aparecem fora da posição esperada.

Funcionários atravessam áreas de trabalho.

Peças variam ligeiramente.

Sensores falham.

Equipamentos precisam continuar operando mesmo quando o mundo real decide ignorar o roteiro da demonstração.

São exatamente essas situações que produzem os dados mais úteis para melhorar um sistema robótico.

Dados podem valer mais do que o próprio robô

Treinar robôs cria um problema diferente daquele enfrentado pelos grandes modelos de linguagem.

Textos, imagens e vídeos estão espalhados pela internet em quantidades gigantescas. Já dados mostrando exatamente como uma determinada máquina deve movimentar motores, distribuir força entre articulações e reagir fisicamente a objetos são muito mais difíceis de obter.

É aí que entram as chamadas fábricas de dados.

A LG criou uma organização dedicada a esse trabalho e afirma que dados operacionais serão utilizados para aprimorar seu Robot Foundation Model. A empresa também trabalha com geração de dados sintéticos, permitindo criar artificialmente situações que seriam caras, raras ou perigosas de reproduzir repetidamente no mundo real.

A Nvidia segue raciocínio semelhante com sua plataforma Cosmos, que utiliza modelos de mundo e simulações para gerar situações destinadas ao treinamento e avaliação de sistemas de IA física.

Imagine que um robô precise aprender a trabalhar próximo de uma empilhadeira.

Esperar milhares de situações perigosas acontecerem numa fábrica seria uma péssima metodologia de pesquisa — especialmente para quem estiver em volta.

Em simulação, essas situações podem ser repetidas inúmeras vezes, alterando velocidade, iluminação, posição dos objetos, comportamento de pessoas e condições do ambiente.

O problema é que simulação não elimina o mundo real.

Um modelo pode tornar-se excelente em um ambiente virtual e descobrir, quando encontra uma fábrica de verdade, que atrito, reflexos, objetos deformáveis e seres humanos não receberam o memorando sobre como deveriam se comportar.

Segurança será um dos testes decisivos

Essa passagem entre simulação e realidade ajuda a explicar outra tecnologia incluída no acordo: o Nvidia Halos.

A plataforma reúne mecanismos e processos relacionados à segurança funcional para sistemas autônomos e robóticos. A proposta da Nvidia é cobrir diferentes níveis da arquitetura, desde computação e sensores até software e validação.

A importância disso aumenta conforme os robôs deixam áreas isoladas e começam a compartilhar espaço com pessoas.

Quando um chatbot erra, pode produzir uma resposta absurda.

Quando um robô industrial erra, existe massa, velocidade e força envolvidas.

Uma máquina precisa reconhecer obstáculos, monitorar sensores, limitar movimentos, detectar comportamentos inesperados e entrar em um estado seguro quando algum subsistema deixa de funcionar corretamente.

Isso não significa que o futuro humanoide da LG já esteja certificado ou comprovadamente seguro.

Halos é parte da arquitetura escolhida para desenvolver o sistema. Certificações, testes de campo e histórico operacional precisarão demonstrar depois se essa arquitetura realmente entrega o nível de segurança necessário.

Esse talvez seja um dos pontos mais importantes de toda a corrida dos humanoides — e curiosamente um dos menos fotogênicos.

O objetivo é criar uma fábrica de inteligência

O acordo também aponta para algo muito maior do que o computador instalado dentro do robô.

Segundo a The Next Web, a LG planeja implantar no primeiro semestre de 2027 uma instalação de referência baseada na futura arquitetura Vera Rubin da Nvidia e posteriormente construir uma infraestrutura de aproximadamente 80 megawatts em Cheonan, na Coreia do Sul, prevista para a primeira metade de 2028.

Essa infraestrutura deverá atender ao treinamento de modelos, simulação, geração de dados e outras cargas associadas à IA física.

Robôs avançados precisam, portanto, de dois tipos de computação.

Uma parte acompanha a própria máquina e toma decisões localmente.

Outra permanece nos data centers, realizando o trabalho pesado de treinamento, simulação e desenvolvimento dos modelos.

É parecido com o que aconteceu com smartphones: existe enorme capacidade no dispositivo, mas uma parcela importante da infraestrutura continua vivendo muito longe do bolso do usuário.

A diferença é que treinar milhares de máquinas capazes de interagir com o ambiente físico demanda volumes crescentes de processamento e energia.

Esse custo poderá se tornar um dos principais filtros da indústria.

A Nvidia está construindo um Android da robótica — só que com hardware junto

A estratégia da Nvidia merece atenção porque ajuda a entender o tamanho dessa parceria.

A companhia não precisa necessariamente fabricar o melhor robô humanoide.

Ela precisa convencer os melhores fabricantes de que vale a pena usar sua infraestrutura.

Jetson fornece computação embarcada.

Isaac fornece ferramentas e modelos para robótica.

Cosmos auxilia na criação e simulação de mundos e dados físicos.

Halos adiciona uma camada voltada à segurança.

Outras plataformas da companhia cobrem treinamento em data centers.

O resultado começa a parecer menos um conjunto de produtos isolados e mais uma tentativa de estabelecer uma plataforma comum para a robótica.

A Nvidia já fornece tecnologia para diferentes fabricantes, incluindo projetos ligados à Boston Dynamics e outras empresas que trabalham com humanoides.

Se um deles dominar o mercado, a Nvidia poderá vender infraestrutura.

Se vários deles prosperarem, poderá vender ainda mais infraestrutura.

É uma posição bastante confortável para uma corrida na qual cada participante ainda precisa descobrir se haverá ouro no final.

Para a LG, a vantagem pode estar justamente nas fábricas

A entrada da LG também mostra por que a disputa pelos humanoides não deve ser analisada apenas como uma competição entre laboratórios de inteligência artificial.

Fabricantes tradicionais possuem ambientes onde podem experimentar a tecnologia antes de tentar vendê-la.

A LG produz eletrodomésticos, eletrônicos e componentes em escala global. Isso oferece uma rede de fábricas onde robôs podem executar tarefas reais, gerar dados e revelar rapidamente se determinada solução produz economia ou apenas vídeos impressionantes.

Esse é um privilégio importante.

Uma empresa que precisa encontrar clientes para testar cada nova geração de robô enfrenta uma dinâmica diferente daquela que possui suas próprias linhas industriais.

A LG pode ser simultaneamente desenvolvedora e cliente inicial da tecnologia.

Se o robô não funcionar, a própria fábrica descobrirá.

Se funcionar, também.

O humanoide ainda precisa justificar as pernas

Existe, entretanto, uma pergunta incômoda que acompanha toda a indústria.

Por que o robô precisa parecer uma pessoa?

Para algumas tarefas, simplesmente não precisa.

Braços industriais fixos realizam operações repetitivas com precisão extraordinária.

Robôs sobre rodas podem transportar cargas consumindo menos energia do que máquinas bípedes.

Equipamentos especializados frequentemente custam menos e apresentam maior confiabilidade.

A defesa do formato humanoide está principalmente na flexibilidade.

Fábricas, armazéns, residências, ferramentas e portas foram projetados para seres humanos. Uma máquina com dimensões e capacidades semelhantes poderia, em teoria, trabalhar nesses locais sem exigir uma reconstrução completa da infraestrutura.

O problema está justamente no “em teoria”.

Andar sobre duas pernas, manter equilíbrio, manipular objetos diferentes e operar durante várias horas exige uma combinação de hardware e software significativamente mais difícil do que aquela presente em robôs especializados.

A indústria ainda precisa demonstrar que essa flexibilidade compensa o aumento de custo, complexidade e manutenção.

Quem sentirá primeiro os efeitos

Se a estratégia funcionar, os primeiros impactos provavelmente aparecerão menos nas salas de estar e mais nas fábricas.

Ambientes industriais permitem delimitar áreas, controlar tarefas, padronizar processos e medir produtividade com precisão.

Isso torna muito mais fácil calcular se um robô realmente compensa financeiramente.

Atividades de movimentação de materiais, inspeção, abastecimento de linhas e manipulação repetitiva são candidatos naturais para as primeiras experiências.

O impacto sobre o trabalho também tende a ser gradual, e não uma substituição instantânea de grandes contingentes de funcionários.

Automação geralmente avança primeiro sobre tarefas específicas.

Uma única ocupação pode conter dezenas delas, algumas facilmente automatizáveis e outras extremamente difíceis para uma máquina.

Empresas poderão ganhar produtividade onde os robôs forem eficientes, mas enfrentarão novos custos com integração, manutenção, energia, especialistas e segurança.

Uma coisa não cancela automaticamente a outra.

O ponto pouco discutido: quem controla a inteligência da máquina?

Há também uma disputa silenciosa por autonomia tecnológica.

Ao utilizar Jetson, Isaac e outras tecnologias da Nvidia, a LG acelera seu desenvolvimento, mas também cria dependências de uma plataforma externa.

Ao mesmo tempo, a companhia está desenvolvendo seu próprio Robot Foundation Model e investindo em geração de dados.

Isso sugere uma tentativa de evitar que toda a inteligência estratégica fique concentrada no fornecedor da infraestrutura.

Essa questão poderá se tornar tão importante para a robótica quanto já é para computação em nuvem e inteligência artificial generativa.

Quem controla os modelos?

Quem possui os dados produzidos enquanto o robô trabalha?

Quem decide quando uma plataforma recebe atualizações?

O equipamento continua funcionando se determinado serviço deixar de existir?

Empresas estarão dispostas a colocar parte da operação industrial sobre tecnologias que não controlam integralmente?

Robôs podem tornar essas perguntas ainda mais sensíveis porque software deixa de administrar apenas informação e passa a controlar máquinas que ocupam o mesmo espaço físico das pessoas.

Análise da equipe

A parte mais interessante da estratégia da LG não é o formato humanoide nem a promessa de uma demonstração em 2027.

É a tentativa de dominar um ciclo inteiro de aprendizado físico.

A empresa possui fábricas onde consegue testar máquinas, empresas do grupo capazes de produzir componentes, uma operação de dados dedicada ao treinamento e parceiros capazes de fornecer a infraestrutura de IA necessária para processar tudo isso.

Esse conjunto pode ser mais relevante do que conseguir fazer um robô caminhar elegantemente diante de uma plateia.

A Nvidia ocupa uma posição diferente.

Sua aposta é tornar-se a infraestrutura comum da robótica, fornecendo computadores, modelos, simulação e ferramentas de segurança para fabricantes concorrentes.

É praticamente o cenário ideal para a companhia: enquanto a indústria discute qual humanoide será dominante, a Nvidia trabalha para que grande parte deles tenha alguma peça de sua tecnologia por baixo da carcaça.

Para a LG, o experimento mais revelador acontecerá antes de 2027.

O CLOiD trabalhando na fábrica do Tennessee poderá mostrar se a companhia consegue transformar modelos de IA em produtividade mensurável, repetitiva e segura. Horas efetivamente trabalhadas, intervenções humanas, falhas, manutenção e custo por tarefa serão indicadores muito mais importantes do que qualquer demonstração cuidadosamente ensaiada.

O humanoide apresentado posteriormente será consequência desse aprendizado.

Se a LG conseguir fechar esse ciclo entre fábrica, dados, simulação, componentes e modelos, poderá entrar na corrida com uma vantagem industrial difícil de reproduzir.

Se não conseguir, terá um robô sofisticado tentando justificar por que precisava de duas pernas.

A disputa da IA física está chegando justamente a essa fase.

Caminhar já não basta.

Agora os robôs precisam provar que conseguem trabalhar.

👉 Dúvida? Então veja mais em: https://pixbugtech.com/linksuteis