O Allen Institute for AI (Ai2) lançou em 6 de novembro de 2026 o ToyBlocks, um framework aberto de simulação criado para investigar como robôs aprendem — e, principalmente, por que eles falham. No ambiente, um braço robótico empurra, vira e empilha blocos sobre uma mesa, em tarefas que exigem raciocínio espacial e destreza ao mesmo tempo. É o primeiro dos chamados FoundationWorlds, mundos controlados que o instituto quer usar como laboratório para o aprendizado de robôs.
Demonstrações sem teleoperação
Em vez de uma pessoa guiar o robô em cada movimento, o ToyBlocks gera demonstrações automaticamente. Habilidades curtas, como empurrar um bloco ou virá-lo sem pegá-lo, são aprendidas por aprendizado por reforço e planejamento de movimento no Isaac Lab, framework de simulação da NVIDIA. Um planejador de tarefa e movimento encadeia essas habilidades para resolver tarefas completas, e cada plano executado em simulação vira uma demonstração de treinamento. Segundo o Ai2, centenas de planos podem ser gerados e executados em paralelo em uma única GPU, a até 24 vezes a velocidade real.
85.336 demonstrações e dois modelos treinados
A versão inicial do ToyBlocks inclui 85.336 demonstrações de longo horizonte, com cerca de 1.600 horas de execução simulada e 144 milhões de quadros registrados. O pacote aberto reúne os recursos de simulação, geradores de tarefas e demonstrações, código de treinamento e avaliação, além de dois modelos treinados: o Molmo 2, que atua como planejador de alto nível, e o ManiFlow, que controla os movimentos do braço. O código principal é licenciado em Apache 2.0. Uma segunda versão está prometida, com um conjunto de dados maior, mais habilidades e benchmarks mais amplos, além de treinamento por reforço integrado.
Os primeiros resultados não são tranquilizadores
O valor do ToyBlocks está nos testes que ele permite. Nos experimentos iniciais, modelos de ação populares como ManiFlow, π0.5 e MolmoAct 2 generalizaram mal nas tarefas do ambiente, apesar do pré-treinamento em larga escala — um sinal de que a generalização espacial segue longe de resolvida. Em um teste de soletrar palavras com blocos, a combinação de Molmo 2 e ManiFlow completou 111 de 200 episódios em simulação (55,5%) e 15 de 30 episódios no braço físico Franka FR3 (50%), no cenário mais fácil, de três blocos. Os dois percentuais vêm de quantidades diferentes de tentativas e não devem ser lidos como estimativas de confiabilidade geral.
Interface em linguagem natural
O ToyBlocks também inclui uma interface web que permite conectar o Claude — ou outro modelo de fronteira — e instruir o robô em linguagem natural, além de ferramentas via Model Context Protocol (MCP) para experimentos com sistemas agentivos. O projeto dá continuidade ao trabalho aberto do Ai2 em aprendizado de robôs, incluindo MolmoAct 2, MolmoBot e MolmoSpaces.
Crédito da imagem: ilustração do ToyBlocks, via blog do Allen Institute for AI no Hugging Face. A imagem mostra a ilustração oficial do ambiente simulado de blocos do ToyBlocks.
Fontes
Blog oficial do Ai2 — ToyBlocks
Hugging Face Blog — ToyBlocks: A controlled world for robot learning and evaluation
Vídeo oficial do Ai2 sobre o ToyBlocks no YouTube
Transparência: esta matéria foi produzida com auxílio de inteligência artificial, com cruzamento de publicações públicas no X e de fontes da internet. As informações classificadas como anúncio do instituto são confirmadas pelo comunicado oficial; consulte as fontes originais para verificar os detalhes antes de tomar qualquer decisão.
Muse
