O robô funciona sem internet?

Áudio, motion e segurança são 100% locais no robô. Só a camada de raciocínio vai à nuvem, então a queda do link degrada a conversa, não a integridade física.

Por que a segurança não fica no LLM?

Porque um modelo é probabilístico e um robô de dezenas de quilos não pode depender disso. As regras de bateria, temperatura, postura e limite de junta vivem em domínio puro, fora do modelo, e ele não tem como contorná-las.

Para o ciclo de simulação em MuJoCo e a policy de aprendizado por reforço, não: roda em Apple Silicon sem GPU dedicada. Para treino do zero e frota grande, sim.

Trabalha só com Booster K1?

Não. O Booster K1 é onde este trabalho foi construído e medido. As camadas de voz, segurança, memória e movimento são desenhadas sobre ROS2 e se aplicam a outros humanoides.

Como o RAG chegou a 100% de recall?

Por loop de engenharia: baseline de 93,5%, busca híbrida levando a 97,3%, uma rodada que piorou para 96,8% e foi revertida, e o ajuste final em 100% — tudo num Jetson Orin de 8 GB.

Physical AI — IA que age no mundo físico

O que o seu robô passa a fazer

Três capacidades que entrego prontas, já rodando num humanoide — e o número que cada uma alcançou.

Conversa de verdade, sem esperar a vez

O robô ouve enquanto fala e para no meio da frase quando alguém o interrompe — como uma pessoa. A conversa flui em vez de virar turnos de rádio amador, e cada intenção vira comando no barramento ROS2 do robô.

Barge-in em produção, resposta sub-segundo, áudio e movimento 100% locais — funciona com a internet caindo.

Segurança que não depende do modelo acertar

Bateria, temperatura, postura e limites de junta viram regra determinística fora do LLM. O modelo sugere; a regra decide. Equipamento de dezenas de quilos não fica na mão de um sistema probabilístico.

SSOT de segurança em domínio puro, testado no robô físico — desenhado depois de ver o que acontece quando essa camada não existe.

Memória que acha o termo exato

Nome de peça, código de erro, aquilo que o operador disse uma vez há duas semanas. O robô recupera e usa na resposta, sem link para a nuvem.

O resultado veio de loop de engenharia, não de sorte: baseline medido, uma variável por rodada, e a métrica reavaliada a cada passo — 93,5% → 97,3% → 96,8% → 100%. A queda no terceiro passo é a prova de que a medição era honesta: ela reprovou uma mudança e a mudança voltou atrás.

100% de recall num Jetson Orin de 8 GB, alcançado por busca híbrida e ajuste iterativo — com denominador honesto em cada rodada.

Resultados, medidos em hardware real

Cada número saiu de execução no robô ou no simulador — nenhum é estimativa.

100%

recall do RAG de eventos, de 93,5% inicial

8 GB

o Jetson Orin onde tudo isso roda embarcado

100%

do motion local — a queda não espera a nuvem

de marcha estável com a policy de RL, sem GPU

Do simulador ao robô, sem quebrar hardware

Todo movimento nasce em MuJoCo e só vai ao robô quando se sustenta na simulação. Com a policy de aprendizado por reforço, o humanoide anda firme, mantém o equilíbrio e move os braços naturalmente.

O ciclo inteiro roda sem GPU, num laptop ARM — o que barateia testar uma hipótese de marcha antes de arriscar o equipamento.

Marcha com policy de RL em MuJoCo — 8 s, só baixa se você tocar.

Simulação MuJoCo do humanoide rodando num laptop

O ciclo inteiro de simulação cabe num laptop.

Sem GPU, sem cluster, sem esperar orçamento

Física, policy de RL e sim2sim rodam localmente em Apple Silicon. Isso muda o custo de experimentar: dá para testar uma hipótese de marcha na quinta e levar ao robô na sexta.

Quando o projeto cresce, a mesma esteira sobe para GPU e cluster — é a parte de plataforma, que também é minha.

O robô de verdade, não só o render

Tudo o que está descrito acima foi construído e medido neste equipamento — um Booster K1, com cabo de rede, no chão de casa. Bancada, não press-kit.

É essa a diferença entre integrar um SDK e saber o que acontece quando o hardware responde diferente do que a documentação promete.

Booster K1 conectado por cabo de rede, em bancada

Booster K1 — o robô em que este trabalho foi feito e medido.

O que eu entrego

Da camada que fala com o motor à que fala com a nuvem. Sou raro na junção: quem faz LLM raramente faz robô, e quem faz robô raramente faz plataforma.

Cérebro de voz

Fala e escuta em tempo real, barge-in, orquestração de intenção e tool-calls de LLM com latência sob controle.

Segurança determinística

Regras de integridade física fora do modelo: bateria, temperatura, postura e limites que o LLM não contorna.

Memória embarcada

RAG que roda no dispositivo e acha termo exato, não só o parecido. Sem depender de link para responder.

Movimento e ROS2

Nós, tópicos e serviços ROS2 desenhados para tempo real; simulação em MuJoCo, policy de RL e sim2sim até o robô físico, sem quebrar hardware no meio.

Plataforma e borda

Jetson Orin, ROS2, Rust no caminho crítico, telemetria e atualização remota da frota — para o protótipo virar operação.

Diagnóstico

Quando já existe um robô que "quase funciona": eu meço, digo onde quebra e o que custa arrumar.

Physical AI é uma parte do trabalho

Robótica é onde a IA encosta no mundo — mas a mesma engenharia sustenta plataforma, dados e nuvem. O conjunto inteiro fica no site principal.

bassi.engineer — deep-dives técnicos, laboratórios interativos, projetos open source e 27 anos de infraestrutura, de sysadmin em 1999 a AI Platform hoje.

Ver o site completo

Seu robô entende, decide e age — em tempo real, sem depender da nuvem.