A Xpeng e um conjunto de parceiros académicos — a Universidade de Pequim, a Universidade de Hong Kong e outras instituições — apresentaram o GroundingPI, um modelo de perceção visual de código aberto pensado para a chamada Physical AI, ou inteligência artificial física. A ideia central é simples de explicar: antes de agir no mundo real, um sistema de IA precisa de saber exatamente o que está a ver e onde está cada coisa.
É aqui que este modelo se distingue. Com cerca de 4 mil milhões de parâmetros, o GroundingPI foi treinado para identificar objetos com precisão e compreender a sua localização espacial — não apenas reconhecer uma chávena, mas também perceber onde está a pega dessa chávena. Este tipo de informação é representado através de coordenadas espaciais, como pontos e caixas delimitadoras, algo essencial para qualquer sistema que tenha de interagir com o mundo físico, seja um braço robótico ou um veículo autónomo.
GroundingPI promete
avaliar e compreender
A equipa de investigação avaliou o modelo em 34 benchmarks públicos de perceção, distribuídos por 11 categorias de capacidades, que vão desde a deteção de objetos e a localização detalhada até ao reconhecimento ótico de caracteres, à compreensão de documentos e ao reconhecimento de elementos de interfaces. Nessa avaliação, o GroundingPI obteve uma pontuação média de 73,68, contra 71,54 do GPT-6 Astra. Vale a pena sublinhar que esta comparação diz respeito apenas às tarefas de perceção avaliadas e não constitui uma medida geral da inteligência ou da capacidade de raciocínio dos sistemas envolvidos.
O desempenho destacou-se sobretudo em cenários visualmente complexos, com muitos objetos ou elementos de pequenas dimensões, onde a localização precisa faz toda a diferença.
Mas há mais do que números em benchmarks. A equipa testou o GroundingPI como base visual para tarefas de manipulação robótica e de condução autónoma, e os resultados apontam para duas vantagens práticas. A primeira é a eficiência na utilização de dados: em simulações RoboCasa-GR1, sistemas de aprendizagem robótica que usaram o GroundingPI como base visual atingiram taxas de sucesso superiores com apenas 50% dos dados de demonstração disponíveis, quando os modelos de referência precisaram de 75% desses mesmos dados. Ou seja, uma melhor perceção parece reduzir a quantidade de exemplos necessários para ensinar uma tarefa a um robô.
A segunda vantagem é a capacidade de adaptação. Em avaliações RoboTwin 2.0, o modelo mostrou um desempenho superior ao de bases visuais convencionais em quatro cenários com distribuições de dados de treino diferentes, o que sugere maior robustez quando os objetos, os cenários ou as condições ambientais mudam. Na perceção aplicada à condução autónoma, avaliada com o conjunto de dados nuScenes, o GroundingPI alcançou um erro médio de previsão de trajetória em circuito aberto de 0,296 metros.
Código de suporte aberto à comunidade
para um melhor desenvolvimento global
A investigação segue uma linha que procura complementar, e não substituir, os modelos de uso geral. Em vez de depender exclusivamente de grandes modelos para todas as componentes de um sistema de inteligência incorporada, aposta em capacidades especializadas de perceção que servem de base a níveis superiores de raciocínio e planeamento.
Para quem quiser explorar o tema, o artigo científico, os pesos do modelo e o código de suporte foram disponibilizados publicamente, sujeitos aos termos de licenciamento aplicáveis, incluindo os de código aberto e de terceiros. É um convite aberto à comunidade de investigação para continuar a testar e desenvolver esta abordagem.
Em jeito de nota de rodapé será importante referir que a Xpeng tem sido um dos construtores que mais tem apostado na incorporação de inteligência artificial nos seus modelos automóveis, não apenas os que estão a ser desenvolvidos para uma chegada em breve ao mercado, mas também naqueles que já se encontram disponíveis para o cliente comum, nomeadamente o Xpeng P7+ que já aqui apresentámos aquando da sua chegada ao mercado e que entretanto já tivemos oportunidade de testar.
