- A governança de Physical AI fica mais complexa à medida que sistemas autônomos ganham presença em robôs, sensores e equipamentos industriais, exigindo testes, monitoramento e mecanismos de parada em ambientes reais.
- A Federação Internacional de Robótica aponta que 542 mil robôs industriais foram instalados mundialmente em 2024, com expectativa de 575 mil em 2025 e mais de 700 mil até 2028.
- Pesquisadores de mercado ampliam o rótulo Physical AI para robótica, edge computing e máquinas autônomas; a Grand View Research estima o mercado global em US$ 81,64 bilhões em 2025, projetando US$ 960,38 bilhões em 2033.
- A DeepMind, do Google, desenvolve Gemini Robotics e Gemini Robotics-ER para controle de robôs e raciocínio incorporado, com foco em percepção, linguagem, planejamento e avaliação de tarefas; a versão 1.6 foi apresentada em 2026.
- Controles de segurança precisam especificar dados, ferramentas e aprovações humanas, além de trilhas de auditoria e escalonamento; estruturas como o NIST AI Risk Management Framework e a ISO/IEC 42001 fornecem referências para gestão de riscos.
O avanço da Inteligência Artificial Física levanta questões de governança para sistemas autônomos que ganham espaço em robótica, sensores e equipamentos industriais. O desafio não é apenas o que as redes podem fazer, mas como são testadas, monitoradas e interrompidas no mundo real.
A robótica industrial já representa base expressiva para esse debate: em 2024 foram instalados 542 mil robôs industriais no mundo, segundo a Federação Internacional de Robótica. Em 2025, a expectativa é chegar a 575 mil, com mais de 700 mil em 2028.
Pesquisas de mercado expandem o rótulo Physical AI a sistemas diversos, como robótica, edge computing e máquinas autônomas. Estimativas indicam 81,64 bilhões de dólares em 2025, com projeção de quase 960 bilhões até 2033, dependendo de como se define a inteligência física.
Da saída do modelo à ação física
A governança é diferente da automação apenas de software, pois sistemas físicos atuam em ambientes de trabalho, infraestrutura e usuários. Uma saída de modelo pode virar movimento de robô ou instrução a máquina, ou uma decisão baseada em sensores, exigindo limites de segurança e caminhos de escalonamento.
O trabalho em robótica do Google DeepMind ilustra a adaptação de modelos a esse ambiente. Em 2025, foi apresentado o Gemini Robotics e o Gemini Robotics-ER, baseados no Gemini 2.0, para controle direto de robôs e raciocínio corporificado, incluindo planejamento de tarefas.
Um robô com esse tipo de modelo precisa identificar objetos, interpretar instruções e planejar sequências de movimentos, além de avaliar se a tarefa foi concluída adequadamente — um desafio que envolve comportamento do modelo e limites mecânicos.
Segurança, ferramentas e governança
A DeepMind sinaliza que robôs precisam de generalidade, interatividade e destreza. Generalidade, para objetos e ambientes desconhecidos; interatividade, com entrada humana; destreza, para tarefas físicas precisas. Em materiais de lançamento, o Gemini Robotics aceita instruções em linguagem natural.
Os requisitos técnicos vão além da compreensão de linguagem: percepção visual, raciocínio espacial, planejamento de tarefas e detecção de sucesso. Em robótica, a detecção de sucesso determina se é necessário tentar novamente ou encerrar.
O Gemini Robotics-ER 1.6, de 2026, mostra como essas funções são empacotadas em modelos mais recentes. O fabricante aponta capacidades de lógica espacial, planejamento e detecção de sucesso, com raciocínio intermediário para decidir avançar ou reavaliar.
A documentação da Google descreve o Gemini Robotics-ER 1.6 como disponível em preview via Gemini API, com visão, linguagem e capacidades agentes para robótica. O Google AI Studio facilita o desenvolvimento; a API integra modelos a aplicações.
Controles de segurança e estruturas de governança
Os controles de dados, ferramentas acessíveis, aprovações humanas e registro de atividades precisam ser definidos, com caminhos de escalonamento e testes rigorosos. Estudos indicam que apenas cerca de um terço das organizações reportam maturidade em governança de IA agentes.
Em robótica, a segurança envolve o comportamento físico da máquina, incluindo limites de força, prevenção de colisões e avaliação contextual de segurança. O conjunto ASIMOV, da DeepMind, avalia segurança semântica em robótica e IA corporal.
Estruturas como o NIST AI Risk Management Framework e a norma ISO/IEC 42001 oferecem guias para riscos e responsabilidades ao longo do ciclo de vida. Em Physical AI, é preciso considerar comportamento do modelo, máquinas conectadas e ambiente operacional.
Parcerias, aplicações e perspectivas
A DeepMind tem colaborado com empresas do setor para testes de Gemini 2.0 e Gemini Robotics-ER, incluindo Apptronik, Agile Robots, Agility Robotics, Boston Dynamics e Enchanted Tools. No conjunto de 2026, há referência a trabalhos com Boston Dynamics em tarefas de leitura de instrumentos.
Physical AI se aplica a inspeção industrial, manufatura, logística e operações em instalações e armazéns, exigindo interpretação de condições reais e atuação dentro de limites definidos. A governança mira estabelecer esses limites antes que decisões autônomas ocorram.
AI News é um veículo de cobertura de tecnologia voltado a indústria, com foco em governança de IA e aplicações em ambiente empresarial. As informações aqui apresentadas integram conteúdos de fontes do setor sem divulgação de contatos externos.
Entre na conversa da comunidade