No início deste ano, Elon Musk regressou a Davos e voltou a apresentar a sua previsão provocadora: no futuro, os robôs superarão os humanos em número na Terra.
É evidente que, a nível global, a IA e a robótica tornaram-se os principais tópicos tecnológicos: a inteligência artificial geral (AGI), atualmente próxima de uma grande evolução, e a robótica, que está a sair dos laboratórios de investigação para avançar na automatização em larga escala do trabalho físico humano. Este ano, além da IA, a inteligência incorporada emergiu como um sector estratégico na indústria das criptomoedas. Apresentamos de seguida vários projetos do sector robótico que merecem destaque.
OpenMind
Em 4 de agosto de 2025 (UTC), a OpenMind, empresa de infraestruturas de máquinas inteligentes sediada em Silicon Valley, anunciou ter garantido 20 milhões $ de financiamento. A ronda foi liderada pela Pantera Capital, com participação da Ribbit, Sequoia China, Coinbase Ventures, DCG, Lightspeed Faction, Anagram, Pi Network Ventures, Topology, Primitive Ventures, Amber Group e vários investidores anjo de referência.
A OpenMind desenvolve software open-source que permite aos robôs pensar, aprender e operar. O seu sistema operativo robótico de IA nativo, OM1, possibilita a configuração e implementação de AI Agents em ambientes digitais e físicos. Os utilizadores podem criar agentes de IA para execução na cloud ou implementar em robôs físicos.
Em termos simples, o OM1 da OpenMind constitui o “cérebro de IA” dos robôs. Este cérebro coordena múltiplos AI Agents, interage com diversos LLMs e agrega dados de várias fontes (por exemplo, publicar conteúdos em redes sociais em nome do utilizador). Por ser open-source, o OM1 é altamente adaptável — tal como o Android é independente do hardware no universo dos smartphones.
A OpenMind criou também uma rede de identidade robótica baseada em blockchain, designada FABRIC, destinada a estabelecer uma camada de confiança verificável entre humanos e robôs. Os humanos podem ganhar badges ao partilhar dados de localização, avaliar o comportamento dos robôs e desenvolver aplicações. Para robôs, qualquer dispositivo com OM1 integra a rede FABRIC, obtendo uma identidade única e verificável, permitindo rastreio on-chain de comandos, registos de operação, propriedade e atividades associadas.
Em dezembro de 2025 (UTC), a OpenMind e a Circle, emissora de stablecoin, anunciaram em conjunto o lançamento de um sistema autónomo de pagamentos robóticos assente no protocolo x402. À medida que os robôs evoluem, deixam de ser simples executores de tarefas — tornam-se agentes económicos autónomos, capazes de adquirir computação, dados, competências e até de contratar outros robôs ou humanos para alcançar objetivos complexos.
CodecFlow
A CodecFlow disponibiliza uma plataforma unificada que funciona de forma integrada na cloud, edge, desktop e hardware robótico, suportando APIs modernas e sistemas legados. A plataforma padroniza inputs de sensores robóticos diversos em formato universal e modulariza ações robóticas complexas, dispensando programadores e utilizadores de criar robôs de raiz. Com a CodecFlow, perceção, tomada de decisão e controlo são interligados e interoperáveis, em vez de fragmentados ou dependentes de hardware específico.
Os operadores potenciados por IA recorrem a perceção e raciocínio em tempo real para reagir a mudanças de UI em software ou alterações ambientais na envolvente dos robôs. Esta abordagem elimina a fragilidade das automações robóticas pré-programadas, que costumam falhar perante pequenas variações. Em síntese, a CodecFlow capta imagens de ecrã, fluxos de câmara ou dados de sensores, utiliza IA para processar estes inputs externos e observa e instrui, executando decisões através de interações com a UI.
Peaq
Em 27 de março de 2025 (UTC), o protocolo DePIN Layer1 Peaq angariou 15 milhões $ numa ronda liderada pela Generative Ventures e Borderless Capital, com participação da Spartan Group, HV Capital, CMCC Global, Animoca Brands, Moonrock Capital, Fundamental Labs, TRGC, DWF Labs, Crit Ventures, Cogitent Ventures, NGC Ventures, Agnostic Fund e Altana Wealth.
A Peaq, inicialmente posicionada como plataforma DePIN, lançou em setembro do ano passado um Robotics SDK, permitindo que robôs adquiram identidades autónomas, processem pagamentos, verifiquem dados e acedam a economias de rede on-chain. Qualquer robô compatível com ROS2 pode agora integrar a economia de rede Peaq e utilizar os seus padrões para transacionar com humanos e outros robôs.
No ano passado, a Peaq lançou o projeto robótico RWA “RoboFarm” na DualMint, construindo uma quinta operada por robôs em Hong Kong que automatiza 80% da produção agrícola. A alface, espinafre e couve da quinta são vendidas localmente em Hong Kong, e os detentores de NFT recebem um rendimento anualizado estimado de 18%.
Axis Robotics
A Axis Robotics está a criar infraestruturas distribuídas e escaláveis para Embodied Intelligence (IA física). Defende que a abordagem “Simulation First” é o caminho ideal para superar bloqueios de escassez de dados e generalização de modelos na robótica. Ao combinar recolha de dados em larga escala e baixo custo com amplificação proprietária de dados, obteve avanços notáveis em qualidade, riqueza e escala de dados. Cada ativo de dados é rastreado com proveniência on-chain fiável, constituindo um motor central de dados para alimentar a general robot intelligence (RGI).
A Axis revolucionou a obtenção de dados de treino para robôs. Projetos concorrentes recorrem geralmente à recolha de vídeos de utilizadores que executam ações específicas no mundo real via smartphones ou smart glasses, facilitando uma participação ampla e de baixo custo. No entanto, esta abordagem produz dados com pouco realismo físico, profundidade e continuidade 3D.
A Axis resolve este problema através da simulação, gerando vastos cenários virtuais (iluminação, ângulos, fricção, dinâmica, etc.) que treinam modelos para atuar em condições desafiantes, melhorando a generalização. A estratégia híbrida combina dados reais escassos com dados sintéticos massivos, utilizando amplificação meta-dados acelerada por GPU para variar iluminação, texturas e propriedades físicas em cada cena. Os ambientes virtuais são flexíveis, não pré-codificados, permitindo criar inúmeros cenários para os robôs enfrentarem. O custo por cenário é baixo, o output elevado, e esta abordagem orientada por dados para otimização de modelos é validada por referências como Google e NVIDIA.
A Axis lançou o seu primeiro projeto de aprendizagem por simulação acessível à comunidade, “Little Prince’s Rose”. Neste projeto, utilizadores operaram remotamente um robô numa simulação via browser para regar uma planta. A análise das ações dos utilizadores permitiu ao robô aprender a tarefa. Esta abordagem manteve o baixo custo de entrada dos uploads de vídeo, ao mesmo tempo que construiu um modelo base VLA (Vision-Language-Action) nativo com consciência 3D para melhorar o raciocínio espacial — algo que os dados de vídeo por si só não conseguem proporcionar.
Em apenas 5 dias, milhares de utilizadores sem experiência em robótica contribuíram com dezenas de milhares de trajetórias de treino de elevada qualidade. A Axis utilizou estes dados para treinar um modelo de políticas e implementou-o com sucesso num braço robótico Franka real, completando o ciclo integral desde a geração da tarefa, recolha comunitária de dados, amplificação, treino do modelo até à implementação no mundo real.
Com esta abordagem, uma hora de dados reais pode equivaler a 1 000 horas de dados de treino, reduzindo drasticamente o custo da generalização de modelos robóticos.
Durante o beta do Ano Novo Lunar, novamente em apenas 5 dias, 18 000 utilizadores não especializados completaram 27 novas tarefas, contribuindo com mais de 100 000 trajetórias de dados. O teste validou elevada randomização de tarefas e compatibilidade com vários tipos de robôs, incluindo robôs com rodas e robôs de dois braços.
A Axis irá lançar oficialmente o seu produto central no final de março, com planos para disponibilizar em open-source o maior dataset de simulação do mundo baseado em braços Franka até ao final de abril ou início de maio — respondendo plenamente às necessidades de estratégia e treino de modelos. Enquanto projeto de Crypto-AI robótica, a Axis está a acelerar a adoção industrial: colaboração com fabricante automóvel para automatização de produção; parceria com empresa de computação prestes a entrar em bolsa para ativos virtuais e modelos de mundo; e parcerias com empresas de entidades incorporadas para dados de simulação e treino de modelos. Estes passos evidenciam as externalidades únicas dos projetos Crypto.
GEODNET
A GEODNET é uma rede descentralizada que oferece posicionamento dinâmico em tempo real com precisão ao centímetro para drones, robôs e outros dispositivos. Opera mais de 21 000 estações base ativas em mais de 150 países. No último ano, o projeto gerou mais de 7 milhões $ em receitas, com crescimento em todos os trimestres.
Apesar de frequentemente ser classificada como DePIN, prevê-se que o aumento da robótica real impulsione uma procura mais alargada de dados de posicionamento preciso em tempo real. Em fevereiro de 2025 (UTC), a Multicoin anunciou a aquisição de 8 milhões $ em tokens $GEDO da GEODNET Foundation.
BitRobot
A BitRobot Network, desenvolvida pelo FrodoBots Lab e Protocol Labs, permite trabalho e colaboração robótica distribuída. Os principais componentes incluem: Verifiable Robot Work (VRW, métrica de recompensa da rede para definição e validação de tarefas de robôs); Equipment Node Tokens (ENT, identificadores únicos de robôs sob forma de NFTs); e subnets, clusters de recursos que executam tarefas e geram valor para a rede.
Em 14 de fevereiro de 2025 (UTC), o FrodoBots Lab anunciou uma ronda seed de 6 milhões $, elevando o financiamento total para 8 milhões $.
O FrodoBots Lab comercializa também robôs: Earth Rovers, semelhantes a Mario Karts reais e com preço de 249 $, podem ser pilotados remotamente por jogadores no jogo global de caça ao tesouro ET Fugi via browser. Os dados gerados apoiam investigadores na validação de modelos IA de navegação. O ET Fugi é a primeira subnet da BitRobot.
O robô Octo Arms, futuro lançamento, permitirá aos utilizadores controlar remotamente braços robóticos para resolver puzzles 3D e competir em jogos.
O conceito de “subnet” é abstrato — qualquer cluster que contribua para o ecossistema da rede (ou projeto ou evento específico) é uma subnet, como ET Fugi ou SeeSaw da Virtuals.
SeeSaw
A quinta subnet da BitRobot, SeeSaw, é uma aplicação de partilha de dados de treino robótico lançada pela Virtuals em outubro do ano passado. No SeeSaw, utilizadores fazem upload de vídeos das suas atividades diárias para ganhar recompensas. Estes vídeos, que captam ações quotidianas como atar atacadores ou dobrar roupa, provêm de uma base global de utilizadores e são usados para treinar robôs.
Auki
A Posemesh, rede descentralizada de perceção de máquinas da Auki, conecta humanos, dispositivos e IA. A arquitetura central DePIN (Decentralized Physical Infrastructure Network) permite que robôs, óculos AR e outros dispositivos partilhem dados de localização e sensores em tempo real, construindo uma compreensão espacial colaborativa do mundo físico para robôs, AR e IA.
A Posemesh define vários tipos de nodes: compute nodes fornecem poder de processamento; motion nodes (endpoints robóticos) fazem upload de dados de localização e sensores; reconstruction nodes geram modelos de mapas 3D; e domain nodes gerem o espaço 3D. Cada node ganha tokens $AUKI conforme a sua contribuição, alimentando uma rede de visão de máquina auto-evolutiva.
A rede privilegia a privacidade, impedindo que qualquer entidade única monitorize os espaços dos utilizadores, sendo aplicável ao retalho (otimização de posicionamento de produtos), gestão de propriedades (rastreio de ativos), navegação de eventos e construção ou renovação.
A plataforma de computação espacial Cactus AI iniciou pilotos com a Toyota Material Handling e o supermercado Stora Coop na Suécia.
XMAQUINA
A XMAQUINA é uma DAO que permite aos investidores de retalho participarem em investimentos em empresas de robótica. A DAO angariou 10 milhões $ através de vendas faseadas do seu token $DEUS, utilizando os fundos para adquirir participações em seis empresas de robótica: Apptronik, Figure AI, Agility Robotics, 1X Tech, NEURA Robotics e Robotico. Alguns investimentos já registaram lucros, com retornos superiores a 100% numa única operação.
PrismaX
Em 17 de junho de 2025 (UTC), a PrismaX anunciou uma ronda de financiamento de 11 milhões $, com investidores como a16z CSX, Volt Capital, Blockchain Builders Fund, Stanford Blockchain Accelerator e Virtuals.
A PrismaX está a construir uma camada aberta de coordenação que conecta operadores remotos, utilizadores de robôs e empresas de robótica. Os operadores podem conectar-se com utilizadores, controlar remotamente robôs para tarefas reais e recolher dados valiosos. Podem também requisitar serviços logísticos, publicitários ou outros no mundo real.
O protocolo de operação remota da PrismaX permite às empresas encontrar operadores de robôs qualificados para tarefas complexas. Os operadores podem fazer staking de tokens de rede para reforçar a confiança e aumentar as probabilidades de obter tarefas de elevado valor. As recompensas de staking dependem do montante apostado e da qualidade do trabalho, com maior eficiência a proporcionar bonificações extra.
Os dados das operações remotas servem para treinar robôs, aumentando a autonomia, o que por sua vez melhora a eficiência dos operadores e acelera a transição para máquinas altamente ou totalmente autónomas.
NRN Agents
A NRN nasceu do AI Arena, um jogo de treino em tempo real para AI Agents. Em 28 de outubro de 2021 (UTC), a ArenaX Labs, desenvolvedora, angariou 5 milhões $ numa ronda seed liderada pela Paradigm Capital e com participação da Framework Venture Partners. Em 9 de janeiro de 2024 (UTC), a ArenaX Labs fechou uma nova ronda de 6 milhões $ liderada pela Framework Ventures, com apoio da SevenX Ventures, FunPlus/Xterio e Moore Strategic Ventures.
Embora o modelo central continue a ser a recolha de dados e o reinforcement learning para robôs, a NRN utiliza a sua experiência em gaming para transformar a recolha de dados robóticos num jogo via browser. Os utilizadores controlam intuitivamente robôs simulados, gerando dados comportamentais em gameplay que são depois usados para treinar sistemas robóticos reais.
Atualmente, o projeto privilegia braços robóticos (RME-1) para validar recolha de dados, aprendizagem em tempo real e adaptabilidade.
Aviso:
- Este artigo foi republicado a partir de [BlockBeats] e está protegido por direitos de autor do autor original [Cookie]. Para questões relativas a esta republicação, contacte a equipa Gate Learn, que resolverá prontamente conforme os procedimentos definidos.
- Disclaimer: As opiniões expressas neste artigo são da exclusiva responsabilidade do autor e não constituem aconselhamento de investimento.
- As versões noutras línguas são traduzidas pela equipa Gate Learn. Salvo crédito expresso à Gate, os artigos traduzidos não podem ser reproduzidos, distribuídos ou plagiados.
