“Olho artificial” chinês promete ensinar robôs a enxergar e interpretar o mundo como humanos

Matheus Noleto dezembro 6, 2025 3 min read

Pesquisadores da Universidade de Shanghai Jiao Tong e da Academia Chinesa de Ciências desenvolveram um sistema chamado EyeVLA — descrito como um “olho artificial” para máquinas. Ao contrário de câmeras fixas tradicionais, o EyeVLA permite que robôs ajustem dinamicamente sua visão: eles podem mover a câmera (pan/tilt), fazer zoom e escolher onde e como olhar conforme a tarefa exige.

Esse mecanismo dá aos robôs a capacidade de expandir e refinar sua percepção do ambiente, aproximando sua visão da forma como humanos exploram espaços: alternando entre visão ampla para contexto e foco detalhado para objetos pequenos ou relevantes.

Por que isso representa um avanço

Até agora, robôs com câmeras RGB-D — que capturam cor e profundidade — enfrentavam um dilema: ou tinham uma visão ampla, com pouca precisão em detalhes, ou zoom em objetos específicos, perdendo o contexto geral.

Com o EyeVLA, esse trade-off pode ser superado. O sistema integra visão, linguagem e controle de câmera — de modo que, a partir de instruções (por exemplo: “encontre o botão vermelho na caixa”), o robô pode decidir automaticamente onde mirar, ajustar o zoom e capturar a melhor imagem para análise.

Nos testes, o sistema alcançou alta eficiência: em cenários de identificação de objetos pequenos ou parcialmente ocultos — como distinguir um remédio dentro de uma embalagem —, o EyeVLA obteve elevado índice de sucesso, demonstrando utilidade em aplicações reais.

Possíveis aplicações e desafios

Automação industrial e de inspeção visual, com capacidade de detectar falhas ou identificar peças pequenas com precisão.

Robôs de assistência, capazes de “ver” e reagir no ambiente doméstico ou hospitalar com maior segurança e atenção a detalhes.

Integração com visão computacional e IA para tarefas complexas de reconhecimento, podendo facilitar a interação entre robôs e humanos ou o manuseio de objetos delicados.

Limitações e desafios técnicos

O uso de motores para movimentar a câmera (pan/tilt/zoom) exige precisão mecânica e pode aumentar o custo e a complexidade do hardware. Segundo os criadores, ainda há limitações de performance quando comparado à visão estática, especialmente em cenários que exigem resposta em tempo real.

Sistemas de visão ativa demandam mais processamento e energia, o que pode tornar o uso intensivo menos viável em robôs compactos ou autônomos de longa duração.

O que essa tecnologia representa para o futuro da robótica

O EyeVLA marca um passo importante rumo a robôs com percepção mais “humana” — não apenas observadores passivos, mas agentes que decidem onde e como olhar, interpretar e agir de forma consciente. Isso aproxima a robótica de uma visão integradora: visão + linguagem + ação.

Se a adoção se consolidar, poderá haver mudanças significativas nas áreas de automação, assistência, inspeção e até convivência cotidiana com máquinas mais perceptivas e inteligentes — mais preparadas para operar em ambientes reais, imprevisíveis e ricos em detalhes.

Fonte: olhardigital.com.br

Veja também: