{"article":{"annotation":{"article_id":"ntt-robot-physical-ai-shelf-loading-test-2026-11-11","available_at":"2026-11-12T03:09:10.045741Z","geography_revision":"ef6ee0010dda5fe7b240fd514749b43e214c57da73222d2e40ec83b276dd0977","id":"8bc3ed3d9bf8b87830f66d0dce96e374aa4cdc257c45085d5a46b5d7796108f4","input_sha256":"24fe7ac16cab4084cc6dce84fd8052f616a88334fe0be9c8848b05910dbcd197","limitations":["Rule-derived subjects are candidates, not verified editorial labels or calibrated model probabilities.","Coverage is distinct from event location. Unknown country/city/coordinates remain absent; no automatic geocoding.","Article geometries keep their stated precision and methodology; reproducing them is not independent coordinate verification."],"method":"controlled-rules-v1","places":[],"rules_sha256":"fb5ad3c27c91cb840f7a0a05f7f64a5cb26ad0374409ff9457f277c7092e22b4","schema_version":1,"subjects":[{"concept_id":"medtop:13000000","confidence":null,"confidence_method":null,"evidence":[{"field":"category+topics","language":"en","note":"Preserved editorial category/topic; broad candidate only","source_urls":["https://group.ntt/en/newsrelease/2026/11/11/261111b.html","https://openaccess.thecvf.com/content/ICCV2025/papers/Song_OCK_Unsupervised_Dynamic_Video_Prediction_with_Object-Centric_Kinematics_ICCV_2025_paper.pdf","https://openaccess.thecvf.com/content/ICCV2025/supplemental/Song_OCK_Unsupervised_Dynamic_ICCV_2025_supplemental.pdf"]}],"method":"controlled-rules-v1","rule_id":"technology-broad","status":"candidate"}],"taxonomy_revision":"1f2db31d811fca07e99b16d402c10e2cc2965c9df1c7b41d9be348b40a24e7fb","taxonomy_version":"IPTC Media Topics 2026-Q2"},"api_url":"https://newsverum.com/api/v1/articles/ntt-robot-physical-ai-shelf-loading-test-2026-11-11?lang=pt","category":"technology","content":{"key_points":[],"paragraphs":["Em 11 de novembro, a NTT afirmou que um modelo de mundo baseado em física elevou de 73,1% para 92,3% a taxa de sucesso de uma tarefa de carregamento em prateleira realizada por um robô pequeno. A tarefa simulava o empilhamento de objetos e, segundo a empresa, comparou o uso da tecnologia com a ausência dela. A NTT também informou uma pontuação LPIPS inferior à de dois sistemas de referência no teste de vídeo OBJ3D. O primeiro uso previsto é o manuseio de bagagens em aeroportos, mas os testes de campo com a empresa de robótica Mujin ainda estão por vir. O comunicado não relata implantação comercial.","O sistema foi projetado para avaliar possíveis ações do robô antes do movimento. A NTT diz que o modelo estima, a partir do vídeo, posição, orientação, velocidade e massa dos objetos e aplica equações de movimento para prever como eles podem se deslocar ou interagir. Um adaptador de controle físico desenvolvido pela empresa conecta esses cálculos a um modelo de geração de vídeo. Para cada ação proposta pelo software de controle existente, o sistema gera uma cena futura possível e avalia resultados como colisão, queda de objetos ou desmoronamento da pilha. Ele complementa um controlador existente e não demonstra que robôs possam operar com segurança sem supervisão.","O resultado de carregamento em prateleira chama atenção, mas o ganho absoluto é mais informativo do que a alegação ampla de que o robô passou a trabalhar melhor. A taxa de sucesso informada aumentou 19,2 pontos percentuais, calculados como 92,3 menos 73,1. Em relação à taxa inicial, isso representa cerca de 26,3% de aumento, calculado como 19,2 dividido por 73,1. Os dois cálculos usam valores arredondados do comunicado da NTT. A empresa não informa quantos testes foram feitos, como definiu sucesso, se objetos ou condições iniciais variaram nem a dispersão entre repetições. O comunicado também não apresenta intervalo de incerteza.","A Tabela 1 da NTT detalha outro teste de previsão. Ela apresenta um valor LPIPS multiplicado por 100 de 7,81 para o modelo da NTT, 7,92 para o modelo acadêmico OCK e 21,90 para o NVIDIA Cosmos Predict 2.5, um modelo comercial de geração de vídeo. No LPIPS, valores menores são melhores. O valor da NTT é 0,11 abaixo do OCK, cerca de 1,4% em relação a 7,92. Esse cálculo descreve apenas os valores exibidos. O comunicado não fornece intervalos estatísticos nem uma comparação de protocolo que mostre se a pequena diferença permanece em outras condições.","O teste de referência precisa de contexto. Um artigo da ICCV de 2025, de Yeon-Ji Song e coautores, descreve o OBJ3D como um conjunto sintético de objetos rígidos em cenas cinza neutras, com 2.920 sequências de treino e 200 de teste. O conjunto foi criado para examinar geometria de objetos e interações como colisões. A NTT diz ter avaliado seu modelo no benchmark público OBJ3D, mas não informa se usou a mesma divisão de dados, o mesmo protocolo de teste ou a mesma configuração de treinamento do artigo OCK. Portanto, o resultado mede previsão de vídeo em um benchmark controlado, não manuseio de bagagem em um aeroporto real.","A diferença técnica destacada pela NTT é a representação explícita do estado físico. Um modelo de vídeo pode produzir quadros plausíveis e ainda ignorar forças ou movimentos que fariam uma carga tombar. A NTT afirma que seu adaptador representa massa e movimento e aplica equações de movimento para gerar futuros possíveis. Essa abordagem poderia ajudar o robô a rejeitar um plano arriscado antes de agir, sobretudo quando cada caixa ou mala é diferente. O comunicado não informa latência, configuração do hardware, memória necessária ou teste de segurança. Assim, não comprova que os cálculos sejam rápidos e confiáveis o bastante em um armazém em operação.","A NTT apresenta o manuseio de bagagens e encomendas como aplicação pretendida e diz que planeja testes de campo com a Mujin. Também afirma que a tecnologia será exibida no NTT R&D Forum 2026. São planos de desenvolvimento, não evidência de que operadores de aeroportos tenham escolhido ou instalado o sistema ou medido economia de mão de obra. O comunicado não informa clientes, orçamento, data de instalação, meta de produtividade, taxa de falhas na operação real ou preço. Passar de uma tarefa simulada de empilhamento para bagagens variadas em uma esteira ou área de carga exige testes com mudanças de iluminação, oclusão, movimento de transportadores e presença humana.","O anúncio deve ser lido como um marco de pesquisa com um resultado concreto, mas restrito. A tarefa robótica sugere um possível uso operacional, enquanto o OBJ3D oferece uma verificação separada da qualidade do vídeo previsto. Nenhum dos resultados, isoladamente, demonstra confiabilidade geral em logística, manufatura ou varejo, setores que a NTT cita como possíveis áreas de expansão. Antes da implantação, os responsáveis precisariam de testes repetidos, definição transparente do sucesso da tarefa, controles de segurança, medições com objetos não vistos e comparação do sistema completo com as alternativas atuais. A NTT descreveu um caminho para esses testes, não seus resultados."],"sections":[]},"corrections":[],"country":null,"data":{"blocks":[{"description":{"ar":"المعدلات التي أبلغت عنها NTT لمهمة تكديس محاكاة بروبوت صغير.","de":"Von NTT gemeldete Quoten für den simulierten Stapeltest mit einem kleinen Roboter.","en":"Rates NTT reports for its simulated stacking task with a small robot.","es":"Tasas informadas por NTT para su tarea simulada de apilamiento con un robot pequeño.","fr":"Taux rapportés par NTT pour sa tâche simulée d’empilement avec un petit robot.","pt":"Taxas informadas pela NTT para sua tarefa simulada de empilhamento com um robô pequeno.","tr":"NTT’nin küçük robotla yürüttüğü simüle istif görevinde bildirdiği oranlar."},"id":"shelf-loading-task-success-rate","items":[{"basis":"observed","label":{"ar":"معدل نجاح تحميل الرف بالروبوت الصغير دون تقنية NTT","de":"Erfolgsquote beim Regalstapeln ohne NTT-Technologie","en":"Small-robot shelf-loading success rate without NTT technology","es":"Tasa de éxito de carga en estantería sin tecnología NTT","fr":"Taux de réussite du chargement d’étagère sans la technologie NTT","pt":"Taxa de sucesso no carregamento da prateleira sem a tecnologia da NTT","tr":"NTT teknolojisi olmadan küçük robotlu raf yükleme başarı oranı"},"measure":{"aggregation":"rate","frequency":"irregular","geography":"world","id":"ntt-shelf-loading-success-rate-without","periodRole":"announcement-date","unitCode":"percent"},"period":"2026-11-11","unit":"percent","value":73.1,"valueQualifier":"exact"},{"basis":"observed","label":{"ar":"معدل نجاح تحميل الرف بالروبوت الصغير باستخدام تقنية NTT","de":"Erfolgsquote beim Regalstapeln mit NTT-Technologie","en":"Small-robot shelf-loading success rate with NTT technology","es":"Tasa de éxito de carga en estantería con tecnología NTT","fr":"Taux de réussite du chargement d’étagère avec la technologie NTT","pt":"Taxa de sucesso no carregamento da prateleira com a tecnologia da NTT","tr":"NTT teknolojisiyle küçük robotlu raf yükleme başarı oranı"},"measure":{"aggregation":"rate","frequency":"irregular","geography":"world","id":"ntt-shelf-loading-success-rate-with","periodRole":"announcement-date","unitCode":"percent"},"period":"2026-11-11","unit":"percent","value":92.3,"valueQualifier":"exact"}],"methodology":{"ar":"تورد NTT معدلي نجاح المهمة دون التقنية وباستخدامها، ولا تكشف عدد التجارب أو معيار النجاح أو التباين. 92.3 ناقص 73.1 يساوي 19.2 نقطة مئوية. وقسمة 19.2 على 73.1 تعطي زيادة نسبية تقارب 26.3 في المئة. تعتمد الحسابات على قيم الشركة المقربة وليست قياسات منفصلة.","de":"NTT meldet Erfolgsquoten mit und ohne Technologie, nennt aber weder Versuchszahl noch Erfolgskriterium oder Streuung. 92,3 minus 73,1 ergibt 19,2 Prozentpunkte. 19,2 geteilt durch 73,1 entspricht einem relativen Anstieg von rund 26,3 Prozent. Die Berechnungen beruhen auf gerundeten Unternehmensangaben und sind keine zusätzlichen Messungen.","en":"NTT reports task success rates without and with its technology; it does not disclose the number of trials, success criterion or variability. 92.3 minus 73.1 equals 19.2 percentage points. 19.2 divided by 73.1 is about a 26.3 percent relative increase. These calculations use rounded company values and are not separate measurements.","es":"NTT informa las tasas de éxito con y sin su tecnología, pero no publica el número de pruebas, el criterio de éxito ni la variabilidad. 92,3 menos 73,1 son 19,2 puntos porcentuales. 19,2 dividido por 73,1 equivale a un aumento relativo aproximado del 26,3 %. Los cálculos usan valores redondeados de la empresa y no son mediciones independientes.","fr":"NTT rapporte les taux de réussite avec et sans sa technologie, sans publier le nombre d’essais, le critère de succès ni la variabilité. 92,3 moins 73,1 donne 19,2 points de pourcentage. 19,2 divisé par 73,1 correspond à une hausse relative d’environ 26,3 %. Ces calculs utilisent des valeurs arrondies de l’entreprise et ne sont pas des mesures distinctes.","pt":"A NTT informa as taxas de sucesso com e sem sua tecnologia, mas não divulga o número de testes, o critério de sucesso nem a variabilidade. 92,3 menos 73,1 são 19,2 pontos percentuais. 19,2 dividido por 73,1 equivale a um aumento relativo aproximado de 26,3%. Os cálculos usam valores arredondados da empresa e não são medições separadas.","tr":"NTT, görev başarısı oranını teknoloji olmadan ve teknolojiyle bildirdi; deneme sayısı, başarı ölçütü ve değişkenlik açıklanmadı. 92,3 eksi 73,1 eşittir 19,2 yüzde puan. 19,2 bölü 73,1 yaklaşık yüzde 26,3 göreli artış verir. Bu hesaplar yuvarlanmış şirket değerlerine dayanır ve ayrı ölçüm değildir."},"sourceUrls":["https://group.ntt/en/newsrelease/2026/11/11/261111b.html"],"title":{"ar":"معدلات نجاح محاكاة تحميل الرف","de":"Erfolgsquoten der Regalladesimulation","en":"Shelf-loading simulation success rates","es":"Tasas de éxito de la simulación de carga en estantería","fr":"Taux de réussite de la simulation de chargement d’étagère","pt":"Taxas de sucesso da simulação de carregamento em prateleira","tr":"Raf yükleme simülasyonu başarı oranları"},"type":"metrics","updatedAt":"2026-11-12T06:05:54+03:00"},{"columns":[{"key":"model_name","label":{"ar":"النموذج","de":"Modell","en":"Model","es":"Modelo","fr":"Modèle","pt":"Modelo","tr":"Model adı"},"language":"en","type":"text"},{"key":"model_class","label":{"ar":"نوع النموذج","de":"Modelltyp","en":"Model type","es":"Tipo de modelo","fr":"Type de modèle","pt":"Tipo de modelo","tr":"Model türü"},"language":"en","type":"text"},{"key":"reported_score","label":{"ar":"درجة LPIPS المعلنة مضروبة في 100","de":"Gemeldeter LPIPS-x100-Wert","en":"Reported LPIPS x100 score","es":"Puntuación LPIPS x100 publicada","fr":"Score LPIPS x100 publié","pt":"Pontuação LPIPS x100 informada","tr":"Bildirilen LPIPS x100 skoru"},"language":"en","type":"text"}],"description":{"ar":"درجات النماذج الواردة في جدول NTT. والقيمة الأقل في LPIPS أفضل.","de":"Modellwerte aus der von NTT veröffentlichten Tabelle. Ein niedrigerer LPIPS-Wert ist besser.","en":"Model scores shown in NTT’s published table. Lower LPIPS is better.","es":"Puntuaciones de modelos incluidas en la tabla de NTT. Un LPIPS menor es mejor.","fr":"Scores des modèles présentés dans le tableau publié par NTT. Un LPIPS plus faible est préférable.","pt":"Pontuações dos modelos na tabela publicada pela NTT. Valores menores de LPIPS são melhores.","tr":"NTT’nin yayımladığı tabloda gösterilen model skorları. LPIPS’te düşük değer daha iyidir."},"id":"obj3d-video-benchmark-lpips","methodology":{"ar":"يعرض جدول NTT قيم LPIPS مضروبة في 100، والدرجة الأقل أفضل. وتحفظ خلايا الدرجات القيم المنشورة 7.81 و7.92 و21.90 مع بيان المقياس. ولا يقدم البيان فترات عدم يقين أو مقارنة مباشرة بين بروتوكولي NTT وOCK.","de":"NTTs Tabelle 1 multipliziert LPIPS mit 100; niedrigere Werte sind besser. Die Zellen bewahren die veröffentlichten Werte 7,81, 7,92 und 21,90 samt Skalenangabe. Die Mitteilung enthält weder Unsicherheitsintervalle noch einen direkten Protokollvergleich zwischen NTT und OCK.","en":"NTT’s Table 1 reports LPIPS multiplied by 100, with lower scores better. Score cells preserve the published values 7.81, 7.92 and 21.90 with the scale label. The release gives no uncertainty intervals or direct protocol comparison between NTT and OCK.","es":"La Tabla 1 de NTT multiplica LPIPS por 100 y un valor menor es mejor. Las celdas conservan las cifras publicadas 7,81, 7,92 y 21,90 con la escala indicada. El comunicado no ofrece intervalos de incertidumbre ni una comparación directa de los protocolos de NTT y OCK.","fr":"Le tableau 1 de NTT multiplie le LPIPS par 100, un score plus faible étant préférable. Les cellules conservent les valeurs publiées 7,81, 7,92 et 21,90 avec l’échelle indiquée. Le communiqué ne donne ni intervalle d’incertitude ni comparaison directe des protocoles NTT et OCK.","pt":"A Tabela 1 da NTT multiplica o LPIPS por 100, e valores menores são melhores. As células preservam os valores publicados 7,81, 7,92 e 21,90 com a escala indicada. O comunicado não fornece intervalos de incerteza nem comparação direta entre os protocolos da NTT e do OCK.","tr":"NTT’nin Tablo 1’i LPIPS değerlerini 100 ile çarpılmış biçimde verir ve düşük skor daha iyidir. Skor hücreleri yayımlanan 7,81, 7,92 ve 21,90 değerlerini birim açıklamasıyla aynen korur. Duyuru belirsizlik aralığı veya NTT ile OCK protokollerinin doğrudan karşılaştırmasını vermiyor."},"rowTranslations":[{"model_class":{"ar":"نموذج الشركة","de":"Unternehmensmodell","en":"Company model","es":"Modelo de la empresa","fr":"Modèle de l’entreprise","pt":"Modelo da empresa","tr":"Şirket modeli"},"model_name":{"ar":"نموذج NTT للعالم","de":"NTT-Weltmodell","en":"NTT world model","es":"modelo del mundo de NTT","fr":"modèle du monde de NTT","pt":"modelo de mundo da NTT","tr":"NTT dünya modeli"}},{"model_class":{"ar":"نموذج أكاديمي استشهدت به NTT","de":"Von NTT zitierter akademischer Ansatz","en":"Academic model cited by NTT","es":"Modelo académico citado por NTT","fr":"Modèle académique cité par NTT","pt":"Modelo acadêmico citado pela NTT","tr":"NTT’nin atıf yaptığı akademik model"},"model_name":{"ar":"OCK","de":"OCK","en":"OCK","es":"OCK","fr":"OCK","pt":"OCK","tr":"OCK"}},{"model_class":{"ar":"نموذج تجاري لتوليد الفيديو","de":"Kommerzielles Videogenerierungsmodell","en":"Commercial video generation model","es":"Modelo comercial de generación de vídeo","fr":"Modèle commercial de génération vidéo","pt":"Modelo comercial de geração de vídeo","tr":"Ticari video üretim modeli"},"model_name":{"ar":"NVIDIA Cosmos Predict 2.5","de":"NVIDIA Cosmos Predict 2.5","en":"NVIDIA Cosmos Predict 2.5","es":"NVIDIA Cosmos Predict 2.5","fr":"NVIDIA Cosmos Predict 2.5","pt":"NVIDIA Cosmos Predict 2.5","tr":"NVIDIA Cosmos Predict 2.5"}}],"rows":[{"model_class":"Company model","model_name":"NTT world model","reported_score":"7.81 LPIPS x100"},{"model_class":"Academic model cited by NTT","model_name":"OCK","reported_score":"7.92 LPIPS x100"},{"model_class":"Commercial video generation model","model_name":"NVIDIA Cosmos Predict 2.5","reported_score":"21.90 LPIPS x100"}],"sourceUrls":["https://group.ntt/en/newsrelease/2026/11/11/261111b.html","https://openaccess.thecvf.com/content/ICCV2025/papers/Song_OCK_Unsupervised_Dynamic_Video_Prediction_with_Object-Centric_Kinematics_ICCV_2025_paper.pdf"],"title":{"ar":"مقارنة LPIPS على اختبار الفيديو OBJ3D","de":"LPIPS-Vergleich im OBJ3D-Videobenchmark","en":"OBJ3D video benchmark LPIPS comparison","es":"Comparación LPIPS en el benchmark de vídeo OBJ3D","fr":"Comparaison LPIPS sur le benchmark vidéo OBJ3D","pt":"Comparação LPIPS no benchmark de vídeo OBJ3D","tr":"OBJ3D video benchmark LPIPS karşılaştırması"},"type":"table","updatedAt":"2026-11-12T06:05:54+03:00"}],"version":1},"data_downloads":[{"formats":{"csv":"https://newsverum.com/api/v1/articles/ntt-robot-physical-ai-shelf-loading-test-2026-11-11/data/shelf-loading-task-success-rate?lang=pt&format=csv","json":"https://newsverum.com/api/v1/articles/ntt-robot-physical-ai-shelf-loading-test-2026-11-11/data/shelf-loading-task-success-rate?lang=pt&format=json"},"id":"shelf-loading-task-success-rate"},{"formats":{"csv":"https://newsverum.com/api/v1/articles/ntt-robot-physical-ai-shelf-loading-test-2026-11-11/data/obj3d-video-benchmark-lpips?lang=pt&format=csv","json":"https://newsverum.com/api/v1/articles/ntt-robot-physical-ai-shelf-loading-test-2026-11-11/data/obj3d-video-benchmark-lpips?lang=pt&format=json"},"id":"obj3d-video-benchmark-lpips"}],"data_types":["metrics","table"],"editorial_illustration":{"alt":"Ilustração conceitual de tecnologia, processadores e informações conectadas.","asset_id":"newsverum-v1-technology","avif_variants":[{"height":320,"url":"https://newsverum.com/assets/newsverum/illustrations/v1/technology-480.avif","width":480},{"height":480,"url":"https://newsverum.com/assets/newsverum/illustrations/v1/technology-720.avif","width":720},{"height":640,"url":"https://newsverum.com/assets/newsverum/illustrations/v1/technology-960.avif","width":960},{"height":800,"url":"https://newsverum.com/assets/newsverum/illustrations/v1/technology-1200.avif","width":1200},{"height":1024,"url":"https://newsverum.com/assets/newsverum/illustrations/v1/technology-1536.avif","width":1536}],"caption":null,"credit":"Newsverum","documentary":false,"height":1024,"kind":"symbolic-editorial-illustration","language":"pt","scope":"topic","url":"https://newsverum.com/assets/newsverum/illustrations/v1/technology-1536.webp","variants":[{"height":320,"url":"https://newsverum.com/assets/newsverum/illustrations/v1/technology-480.webp","width":480},{"height":640,"url":"https://newsverum.com/assets/newsverum/illustrations/v1/technology-960.webp","width":960},{"height":1024,"url":"https://newsverum.com/assets/newsverum/illustrations/v1/technology-1536.webp","width":1536}],"width":1536},"event_id":"event-422c5316-ef7a-5c6d-af93-a203aa3e8195","event_period":"2026-11-11","event_period_basis":"event-or-reference-period","id":"ntt-robot-physical-ai-shelf-loading-test-2026-11-11","image":null,"importance":0.6,"language":"pt","modified_at":"2026-11-12T03:09:09+00:00","publication_basis":"publication-record","published_at":"2026-11-12T03:09:09+00:00","reading_minutes":5,"region":"world","relations":[],"section_illustration":{"alt":"Ilustração conceitual de tecnologia, processadores e informações conectadas.","asset_id":"newsverum-v1-technology","avif_variants":[{"height":320,"url":"https://newsverum.com/assets/newsverum/illustrations/v1/technology-480.avif","width":480},{"height":480,"url":"https://newsverum.com/assets/newsverum/illustrations/v1/technology-720.avif","width":720},{"height":640,"url":"https://newsverum.com/assets/newsverum/illustrations/v1/technology-960.avif","width":960},{"height":800,"url":"https://newsverum.com/assets/newsverum/illustrations/v1/technology-1200.avif","width":1200},{"height":1024,"url":"https://newsverum.com/assets/newsverum/illustrations/v1/technology-1536.avif","width":1536}],"caption":null,"credit":"Newsverum","documentary":false,"height":1024,"kind":"symbolic-editorial-illustration","language":"pt","scope":"section","url":"https://newsverum.com/assets/newsverum/illustrations/v1/technology-1536.webp","variants":[{"height":320,"url":"https://newsverum.com/assets/newsverum/illustrations/v1/technology-480.webp","width":480},{"height":640,"url":"https://newsverum.com/assets/newsverum/illustrations/v1/technology-960.webp","width":960},{"height":1024,"url":"https://newsverum.com/assets/newsverum/illustrations/v1/technology-1536.webp","width":1536}],"width":1536},"slug":"ntt-robot-physical-ai-shelf-loading-test-2026-11-11","sources":[{"checkedAt":"2026-11-12","name":"NTT, NTT Develops Physical AI Technology That Predicts the Future Before Robots Move to Prevent Failures","publishedAt":"2026-11-11","url":"https://group.ntt/en/newsrelease/2026/11/11/261111b.html"},{"checkedAt":"2026-11-12","name":"Computer Vision Foundation, OCK: Unsupervised Dynamic Video Prediction with Object-Centric Kinematics, ICCV 2025 paper","url":"https://openaccess.thecvf.com/content/ICCV2025/papers/Song_OCK_Unsupervised_Dynamic_Video_Prediction_with_Object-Centric_Kinematics_ICCV_2025_paper.pdf"},{"checkedAt":"2026-11-12","name":"Computer Vision Foundation, OCK supplementary material","url":"https://openaccess.thecvf.com/content/ICCV2025/supplemental/Song_OCK_Unsupervised_Dynamic_ICCV_2025_supplemental.pdf"}],"summary":"A NTT afirma que um modelo baseado em física elevou de 73,1% para 92,3% o sucesso de uma simulação de carregamento com robô pequeno. Testes com a Mujin ainda estão planejados e não há implantação comercial anunciada.","text":"A NTT afirma que um modelo baseado em física elevou de 73,1% para 92,3% o sucesso de uma simulação de carregamento com robô pequeno. Testes com a Mujin ainda estão planejados e não há implantação comercial anunciada.\n\nEm 11 de novembro, a NTT afirmou que um modelo de mundo baseado em física elevou de 73,1% para 92,3% a taxa de sucesso de uma tarefa de carregamento em prateleira realizada por um robô pequeno. A tarefa simulava o empilhamento de objetos e, segundo a empresa, comparou o uso da tecnologia com a ausência dela. A NTT também informou uma pontuação LPIPS inferior à de dois sistemas de referência no teste de vídeo OBJ3D. O primeiro uso previsto é o manuseio de bagagens em aeroportos, mas os testes de campo com a empresa de robótica Mujin ainda estão por vir. O comunicado não relata implantação comercial.\n\nO sistema foi projetado para avaliar possíveis ações do robô antes do movimento. A NTT diz que o modelo estima, a partir do vídeo, posição, orientação, velocidade e massa dos objetos e aplica equações de movimento para prever como eles podem se deslocar ou interagir. Um adaptador de controle físico desenvolvido pela empresa conecta esses cálculos a um modelo de geração de vídeo. Para cada ação proposta pelo software de controle existente, o sistema gera uma cena futura possível e avalia resultados como colisão, queda de objetos ou desmoronamento da pilha. Ele complementa um controlador existente e não demonstra que robôs possam operar com segurança sem supervisão.\n\nO resultado de carregamento em prateleira chama atenção, mas o ganho absoluto é mais informativo do que a alegação ampla de que o robô passou a trabalhar melhor. A taxa de sucesso informada aumentou 19,2 pontos percentuais, calculados como 92,3 menos 73,1. Em relação à taxa inicial, isso representa cerca de 26,3% de aumento, calculado como 19,2 dividido por 73,1. Os dois cálculos usam valores arredondados do comunicado da NTT. A empresa não informa quantos testes foram feitos, como definiu sucesso, se objetos ou condições iniciais variaram nem a dispersão entre repetições. O comunicado também não apresenta intervalo de incerteza.\n\nA Tabela 1 da NTT detalha outro teste de previsão. Ela apresenta um valor LPIPS multiplicado por 100 de 7,81 para o modelo da NTT, 7,92 para o modelo acadêmico OCK e 21,90 para o NVIDIA Cosmos Predict 2.5, um modelo comercial de geração de vídeo. No LPIPS, valores menores são melhores. O valor da NTT é 0,11 abaixo do OCK, cerca de 1,4% em relação a 7,92. Esse cálculo descreve apenas os valores exibidos. O comunicado não fornece intervalos estatísticos nem uma comparação de protocolo que mostre se a pequena diferença permanece em outras condições.\n\nO teste de referência precisa de contexto. Um artigo da ICCV de 2025, de Yeon-Ji Song e coautores, descreve o OBJ3D como um conjunto sintético de objetos rígidos em cenas cinza neutras, com 2.920 sequências de treino e 200 de teste. O conjunto foi criado para examinar geometria de objetos e interações como colisões. A NTT diz ter avaliado seu modelo no benchmark público OBJ3D, mas não informa se usou a mesma divisão de dados, o mesmo protocolo de teste ou a mesma configuração de treinamento do artigo OCK. Portanto, o resultado mede previsão de vídeo em um benchmark controlado, não manuseio de bagagem em um aeroporto real.\n\nA diferença técnica destacada pela NTT é a representação explícita do estado físico. Um modelo de vídeo pode produzir quadros plausíveis e ainda ignorar forças ou movimentos que fariam uma carga tombar. A NTT afirma que seu adaptador representa massa e movimento e aplica equações de movimento para gerar futuros possíveis. Essa abordagem poderia ajudar o robô a rejeitar um plano arriscado antes de agir, sobretudo quando cada caixa ou mala é diferente. O comunicado não informa latência, configuração do hardware, memória necessária ou teste de segurança. Assim, não comprova que os cálculos sejam rápidos e confiáveis o bastante em um armazém em operação.\n\nA NTT apresenta o manuseio de bagagens e encomendas como aplicação pretendida e diz que planeja testes de campo com a Mujin. Também afirma que a tecnologia será exibida no NTT R&D Forum 2026. São planos de desenvolvimento, não evidência de que operadores de aeroportos tenham escolhido ou instalado o sistema ou medido economia de mão de obra. O comunicado não informa clientes, orçamento, data de instalação, meta de produtividade, taxa de falhas na operação real ou preço. Passar de uma tarefa simulada de empilhamento para bagagens variadas em uma esteira ou área de carga exige testes com mudanças de iluminação, oclusão, movimento de transportadores e presença humana.\n\nO anúncio deve ser lido como um marco de pesquisa com um resultado concreto, mas restrito. A tarefa robótica sugere um possível uso operacional, enquanto o OBJ3D oferece uma verificação separada da qualidade do vídeo previsto. Nenhum dos resultados, isoladamente, demonstra confiabilidade geral em logística, manufatura ou varejo, setores que a NTT cita como possíveis áreas de expansão. Antes da implantação, os responsáveis precisariam de testes repetidos, definição transparente do sucesso da tarefa, controles de segurança, medições com objetos não vistos e comparação do sistema completo com as alternativas atuais. A NTT descreveu um caminho para esses testes, não seus resultados.","title":"NTT informa 92,3% de sucesso em teste robótico; testes de campo ainda estão por vir","topics":[],"translations":[{"api_url":"https://newsverum.com/api/v1/articles/ntt-robot-physical-ai-shelf-loading-test-2026-11-11?lang=tr","language":"tr","url":"https://newsverum.com/tr/news/ntt-robot-physical-ai-shelf-loading-test-2026-11-11"},{"api_url":"https://newsverum.com/api/v1/articles/ntt-robot-physical-ai-shelf-loading-test-2026-11-11?lang=en","language":"en","url":"https://newsverum.com/en/news/ntt-robot-physical-ai-shelf-loading-test-2026-11-11"},{"api_url":"https://newsverum.com/api/v1/articles/ntt-robot-physical-ai-shelf-loading-test-2026-11-11?lang=ar","language":"ar","url":"https://newsverum.com/ar/news/ntt-robot-physical-ai-shelf-loading-test-2026-11-11"},{"api_url":"https://newsverum.com/api/v1/articles/ntt-robot-physical-ai-shelf-loading-test-2026-11-11?lang=fr","language":"fr","url":"https://newsverum.com/fr/news/ntt-robot-physical-ai-shelf-loading-test-2026-11-11"},{"api_url":"https://newsverum.com/api/v1/articles/ntt-robot-physical-ai-shelf-loading-test-2026-11-11?lang=es","language":"es","url":"https://newsverum.com/es/news/ntt-robot-physical-ai-shelf-loading-test-2026-11-11"},{"api_url":"https://newsverum.com/api/v1/articles/ntt-robot-physical-ai-shelf-loading-test-2026-11-11?lang=de","language":"de","url":"https://newsverum.com/de/news/ntt-robot-physical-ai-shelf-loading-test-2026-11-11"},{"api_url":"https://newsverum.com/api/v1/articles/ntt-robot-physical-ai-shelf-loading-test-2026-11-11?lang=pt","language":"pt","url":"https://newsverum.com/pt/news/ntt-robot-physical-ai-shelf-loading-test-2026-11-11"}],"url":"https://newsverum.com/pt/news/ntt-robot-physical-ai-shelf-loading-test-2026-11-11"},"version":"1"}
