O braço Robin, da Amazon, aprendeu a pegar a partir de 394.000 de suas próprias pegas registradas em campo

Robin é o primeiro braço robótico próprio da Amazon Robotics para separar envelopes e caixas individuais de pilhas desorganizadas: oito ventosas, uma visão de câmera de cima para baixo e um software que classifica as pegas possíveis. Começou a ser testado em 2021 e estreou em uma instalação em Lakeland, Flórida, em 2022. As primeiras estratégias eram codificadas manualmente, e cada uma falhava de uma maneira característica — uma priorizava pacotes maiores e travava quando os menores estavam em cima deles ou se sobrepunham a eles; outra favorecia pacotes perto do topo das pilhas e continuava errando pegas enterradas e inalcançáveis.

A solução foi deixar a frota ensinar a si mesma. A equipe da Amazon treinou um modelo de aprendizado de máquina com mais de 394.000 ações de pega registradas de braços implantados para estimar a probabilidade de sucesso de cada ação candidata, e então usou um classificador de pegas online para escolher o que Robin deveria fazer. No artigo da equipe de 2023, o melhor método de ML pegou corretamente 93,73% das vezes, contra 92,28% do melhor algoritmo tradicional — uma diferença de 1,45 ponto que significou aproximadamente 16.500 pegas falhas a menos ao longo de um período de trabalho de mais de 1 milhão de pegas.

Um experimento de acompanhamento que simulava as operações da frota Robin reduziu a taxa de pegas falhas em 20% ao longo de 2 milhões de pegas, apresentado no International Symposium on Experimental Robotics em julho de 2025. As lições do Robin passaram para o Cardinal, um braço que empacota densamente caixas de 50 libras em carrinhos ('pense nisso como um jogo de Tetris'), e a mesma abordagem de modelo de fundação se espalhou para o Sparrow, que lida com centenas de milhões de tipos de produtos sem codificação manual por item.

Registrar cada pega que um braço robótico implantado realiza, treinar um modelo para estimar as chances de sucesso de cada ação candidata e deixá-lo classificar as ações — a frota rotula a si mesma.

Toda regra feita à mão otimizava um modo de falha em outro: priorizar pacotes grandes travava em sobreposições, priorizar pegas do topo deixava as enterradas encalhadas.

Os braços já geravam dados rotulados — cada pega funcionava ou não —, então treinar com 394.000 ações registradas não exigiu esforço extra de rotulagem.

Diferenças por pega parecem triviais até serem multiplicadas: a Amazon avaliava estratégias por falhas por milhão de pegas, onde 1,45 ponto equivale a 16.500 pegas evitadas.

Em escala de frota, pequenas vitórias por ação se acumulam: uma vantagem de 1,45 ponto na taxa de sucesso de pega é 16.500 falhas a menos por milhão de pegas — e o registro das suas próprias operações é o conjunto de treinamento.

Robin tornou-se o modelo para a linha de braços próprios da Amazon: Cardinal (empacotamento denso em carrinhos, primeira execução em Nashville em novembro de 2022), Sparrow (modelos de fundação para identificar e agarrar centenas de milhões de produtos, eliminando a necessidade de codificar cada item manualmente) e Vulcan, o primeiro a adicionar tato — sensores de feedback de força — à visão para pegar dentro de pods cobertos de tecido. O CFO da Amazon disse na teleconferência de resultados de julho de 2026 que a empresa espera mais que dobrar sua frota de braços robóticos neste ano; a Amazon Robotics estimou as implantações atuais entre 1.000 e 9.000 unidades (na casa de um dígito de milhares).