# Inteligência Física canonical_url: https://www.3.14financialcontents.com/gl-pt/capacidades/inteligencia-fisica/ markdown_url: https://www.3.14financialcontents.com/gl-pt/capacidades/inteligencia-fisica/index.md language: pt-PT content_type: capabilities status: published description: Trabalhamos com visão artificial, sensórica, fusão de sinais, estimação de estado, simulação, navegação, planeamento de movimento, controlo, manipulação e computação edge. Exploramos como integrar estas capacidades com modelos, software e… Estender perceção, decisão e ação desde os sistemas digitais até ao mundo físico. ## O que construímos e investigamos - observar através de visão e sensores - estimar o estado - representar o ambiente - planear - otimizar uma trajetória - controlar - manipular - coordenar equipamentos - atuar localmente - verificar o efeito - recuperar ou parar o sistema quando a incerteza ultrapassa o permitido ## Tecnologias que construímos, aplicamos e avaliamos - OpenCV - AprilTag - modelos de visão - calibração e estimação de pose - fusão de sensores - CUDA - TensorRT - Newton - NVIDIA Warp - OpenUSD - software in the loop e hardware in the loop - cuRobo - campos de distância - verificação de colisões - geração e otimização de trajetórias - MPC e controlo preditivo - controlo geométrico - P/PD e identificação - NVIDIA Jetson - Python e FastAPI - NATS/JetStream - workflows duradouros - ferramentas MCP O sistema converte medidas parciais numa estimativa do estado com a confiança necessária para decidir. Uma operação física muda o ambiente. Para a realizar, o sistema relaciona medidas parciais, uma estimativa do estado, objetivos, restrições e mecanismos capazes de atuar. Um robô desloca-se, aproxima uma ferramenta, recolhe um objeto, modifica uma posição ou coordena o seu movimento com outras máquinas. A ação ocorre sob geometria, tempo, atrito, folgas, carga, ruído, latência e limites mecânicos. A inteligência física permite que um sistema relacione perceção e ação dentro dessas condições. Esta linha estende a inteligência operacional ao mundo físico a partir do Laboratório. A informação continua a ser a base. O sistema precisa de conhecer o objetivo, o estado, as restrições e a autoridade. A diferença é que agora parte dessa informação provém de medidas incompletas e parte do resultado deve ser verificada sobre um ambiente que muda. ## Percecionar é estimar Uma câmara entrega imagens. Uma IMU entrega acelerações e velocidades angulares. Um encoder entrega posições ou incrementos. O sistema converte essas medidas parciais numa estimativa do estado com a confiança necessária para decidir. A estimação combina medidas, modelos e contexto para responder: - onde se encontra o robô; - que orientação tem; - que objeto observa; - com que confiança; - que movimento se produziu; - que parte do ambiente permanece incerta; - que sinal contradiz outro; - que correção convém aplicar; - quando a estimativa já não permite continuar. Tratar a perceção como estimação permite desenhar comportamentos proporcionais à confiança. O sistema pode continuar, reduzir a velocidade, procurar uma referência, mudar de sensor, alargar a observação, solicitar intervenção, voltar a uma posição segura ou parar. A incerteza é uma variável que modifica a operação. ## Visão artificial para compreender geometria e estado A visão pode identificar, localizar, medir e seguir elementos do ambiente. Trabalhamos com deteção, segmentação, classificação, estimação de pose, marcadores e referências visuais, calibração, correspondências, profundidade, seguimento, inspeção, leitura de instrumentos e relação entre imagem e modelo geométrico. A utilidade depende de condições concretas: iluminação, distância, movimento, frequência, resolução, oclusão, ótica, superfície, latência e capacidade de computação. Avaliamos a visão dentro do percurso físico: que decisão muda, que tolerância necessita e o que acontece quando o sinal falta ou chega tarde. Uma métrica obtida sobre imagens selecionadas descreve essas imagens; o comportamento durante uma operação mede-se na operação. ## Fusão de sinais e estimação de estado Os sensores trazem forças diferentes. A odometria conserva continuidade e acumula erro. Uma referência visual pode corrigir deriva e aparecer de forma intermitente. Uma IMU traz dinâmica e também ruído. Um encoder absoluto pode oferecer uma dimensão de estado especialmente valiosa. Fundimos sinais consoante a sua frequência, incerteza e relação geométrica. A arquitetura conserva marcas temporais, referenciais, calibrações, covariâncias ou medidas de confiança, transformações, atrasos, validade, origem e estado de saúde do sensor. Em MontojOS, por exemplo, a continuidade do movimento pode sustentar-se com odometria e IMU e corrigir-se através de referências visuais quando estão disponíveis. O sistema conserva o estado durante a ausência temporária de visão e sabe como a incerteza cresce enquanto ela dura. ## Representar o ambiente e o corpo O planeamento necessita de uma representação de geometria, articulações, limites, ferramentas, cargas, zonas permitidas, obstáculos, estações, tolerâncias, contactos, capacidades de movimento e estados seguros. A representação liga o modelo digital ao equipamento físico. Uma trajetória válida num modelo pode necessitar de ajustes por flexão, folga, desgaste, cablagem, carga, fricção, tolerância de fabrico, calibração, inércia, deformação e elementos não modelados. Por isso distinguimos geometria nominal, parâmetros identificados e comportamento observado. O efeito de um comando depende do estado, da carga, da geometria, das tolerâncias e do ambiente. ## Simulação para aprender antes do hardware A simulação permite explorar comportamentos, gerar cenários e avaliar decisões com maior velocidade e menor custo físico: validar geometria, detetar colisões, testar controladores, comparar sequências, gerar dados, estudar sensibilidade, treinar políticas, reproduzir falhas, avaliar coordenação e preparar campanhas de ensaio. Newton e NVIDIA Warp alargam a capacidade de construir simulações aceleradas por GPU e de integrar física, geometria e computação paralela dentro do ecossistema Python. A simulação traz um ambiente controlado. O hardware traz fenómenos e tolerâncias que o modelo ainda não contém. O percurso de maturidade liga ambos: ```text MODELO ↓ SIMULAÇÃO ↓ SOFTWARE IN THE LOOP ↓ HARDWARE IN THE LOOP ↓ ENSAIOS EM AMBIENTE ↓ OPERAÇÃO DELIMITADA ``` Cada etapa responde a perguntas diferentes. O passo seguinte é habilitado através de critérios explícitos. ## Navegação e mobilidade Um sistema móvel precisa de estimar a sua pose, representar rotas e zonas, planear, seguir uma trajetória, responder a obstáculos, aproximar-se com precisão, coordenar o movimento com o resto da operação e conservar capacidade de paragem e recuperação. Trabalhamos com navegação que combina odometria, IMU, referências visuais, mapas ou geometria conhecida, controlo cinemático, controlo preditivo, correções terminais, perfis de velocidade e estados de missão. A navegação geral e a aproximação final podem necessitar de controladores diferentes. O cruzeiro prioriza continuidade e eficiência. A fase terminal prioriza erro lateral, longitudinal e angular em relação à tarefa. O critério de êxito consiste em colocar o sistema numa condição a partir da qual a ação física seguinte possa executar-se com a tolerância necessária. ## Planeamento e otimização de movimento O planeamento procura uma trajetória que cumpra objetivos e restrições: posição, orientação, colisões, limites articulares, velocidade, aceleração, jerk, tempo, energia, estabilidade, carga, zonas proibidas e capacidade de recuperação. cuRobo permite acelerar em GPU tarefas como cinemática inversa, verificação de colisões, geração de trajetórias e planeamento de movimento. A aceleração alarga o número de alternativas que o sistema pode examinar dentro do tempo disponível. A seleção final conserva geometria real, ferramentas, payload, tolerâncias, limites do controlador, segurança e verificação. Em MagdalenOS, o planeamento pode combinar backends especializados com uma representação própria do equipamento e das suas restrições. ## Controlo preditivo e adaptação Um controlador converte uma referência em ações sobre o sistema. O controlo preditivo utiliza um modelo para antecipar a evolução durante um horizonte e escolher ações que respeitem restrições. Pode ser útil em seguimento de trajetória, navegação, aproximação, estabilização, manipulação, coordenação e gestão de limites. A eficácia depende da fidelidade do modelo, da frequência, da latência e da capacidade de estimar o estado. Trabalhamos com controlo geométrico, controlo P, PD e combinações, MPC, identificação de planta, controlo com restrições, perfis de velocidade, supervisão, fallback e paragem segura. O controlo avalia-se sobre erro, estabilidade, tempo, esforço, recuperação e comportamento sob perturbações. ## Manipulação e mecanismos Uma operação de manipulação liga geometria, posição, orientação, contacto, ferramenta, carga, sequência, atuadores, sensores e verificação. O sistema distingue aproximação, contacto, preensão, transporte, libertação, recuo e posição segura. Uma ação pode exigir coordenação entre base, braço, mecanismo linear, ímanes, tesouras, carro, elevação ou outros atuadores. A sequência conserva estados e critérios de transição. A aquisição ou libertação do objeto confirma-se através de um sinal próprio: encoder, corrente, sensor de posição, visão, mudança de carga, estado do atuador ou observação posterior. ## Edge: decidir perto do ambiente Parte da perceção e do controlo precisa de executar-se localmente. O edge traz baixa latência, continuidade durante perdas de rede, acesso direto a sensores, controlo de frequência, privacidade, capacidade de paragem e maior autonomia em relação a serviços remotos. Trabalhamos com plataformas como NVIDIA Jetson e outras arquiteturas GPU ou embebidas. A distribuição pode separar: **Local.** Perceção crítica, estimação, controlo, limites, paragem, buffers e recuperação imediata. **Remoto.** Planeamento global, análise, treino, reporting, armazenamento, supervisão e coordenação de alto nível. Os limites dessa divisão desenham-se a partir de latência, conectividade, segurança e custo de computação. ## Agentes e operações físicas Os agentes podem ajudar a interpretar objetivos, escolher competências, coordenar missões, consultar conhecimento, diagnosticar, preparar recuperação, explicar, pedir ajuda e adaptar um plano dentro de limites. A trajetória física crítica permanece protegida por controladores, estados e políticas que podem ser verificados. Um agente pode decidir entre ações declaradas; os componentes deterministas mantêm limites de movimento, permissões, interlocks, paragem, sequências críticas, contratos e critérios de conclusão. Esta distribuição permite aproveitar interpretação e planeamento conservando as restrições físicas em componentes verificáveis. ## Coordenação de equipamentos A Inteligência Física pode estender-se de uma máquina a uma operação coordenada. O sistema representa equipamentos, capacidades, localizações, tarefas, recursos, dependências, zonas, prioridades, disponibilidade, falhas, estado de carga e interfaces com pessoas. A orquestração atribui trabalho e conserva a situação global. Cada equipamento mantém controlo local suficiente para operar de forma segura. A coordenação pode combinar workflows, eventos, otimização, agentes, planeamento, telemetria e supervisão humana. ## Verificar a ação sobre o ambiente Uma operação física termina quando o ambiente permite observar o seu efeito. A verificação pode responder: - o robô chegou à pose útil?; - o objeto está preso?; - a carga mudou?; - a estação recebeu o elemento?; - o mecanismo regressou a uma posição segura?; - o ambiente ficou preparado para a operação seguinte?; - a máquina pode continuar?; - criou-se uma condição que necessita de intervenção? Um sinal independente aumenta a confiança: a mesma cadeia que envia o comando informa da sua própria execução, e a verificação do efeito necessita de outra observação. Desenhamos o critério de êxito junto com a tarefa e incorporamo-lo na avaliação. ## Segurança, paragem e recuperação A segurança estrutura a operação física. Desenhamos limites, zonas, velocidades, estados seguros, interlocks, supervisão, paragem, recuperação, intervenção, registo de incidentes e ensaios. A capacidade de parar e voltar a uma condição conhecida faz parte do resultado. As ações classificam-se por impacto, reversibilidade, energia, proximidade, confiança, autoridade e capacidade de observação. Uma ação de maior consequência exige mais evidência, controlo e separação entre planeamento e execução. ## O que pode mudar para uma organização ### Perceção ligada a decisões A visão e os sensores deixam de produzir unicamente deteções e passam a modificar uma operação definida. ### Maior continuidade local O sistema pode conservar perceção e controlo durante variações de conectividade. ### Melhor precisão em tarefas delimitadas A fusão de sinais e a correção terminal ajudam a alcançar tolerâncias úteis para manipulação, inspeção ou interação. ### Menos incerteza oculta O estado e a sua confiança tornam-se observáveis e condicionam o comportamento. ### Planeamento mais rápido GPU, simulação e otimização permitem examinar mais alternativas dentro do tempo disponível. ### Operações verificáveis Cada sequência incorpora um sinal que permite distinguir comando e efeito. ### Aprendizagem mais segura Simulação, HIL e campanhas em ambiente permitem descobrir limites antes de alargar a autonomia. ### Integração digital e física As operações físicas podem ligar-se a ERP, workflows, eventos, pessoas e reporting. ## Linhas de trabalho ### Visort Visão artificial, geometria, deteção, estimação e execução em edge. ### MagdalenOS Representação de equipamento, planeamento, cinemática, manipulação, simulação e coordenação robótica. ### MontojOS Navegação, fusão de sinais, aproximação terminal, mecanismos físicos e verificação de operações em estações definidas. ## Como avaliamos **Perceção.** Precisão, recall, erro geométrico, frequência, latência, calibração e comportamento por condição. **Estimação.** Erro de posição e orientação, deriva, estabilidade, confiança e recuperação depois de perda de sinal. **Planeamento.** Taxa de solução, tempo, colisões, suavidade, margem, cumprimento de restrições e viabilidade física. **Controlo.** Erro, estabilidade, tempo, sobreelevação, esforço, perturbações e recuperação. **Operação.** Percentagem de percursos completos, duração, novas tentativas, intervenções, estados inseguros e resultado verificado. **Simulação.** Correspondência com hardware, cobertura de cenários e capacidade de reproduzir falhas. **Segurança.** Paragem, limites, interlocks, recuperação e resposta a sinais inválidos. **Maturidade.** Estado por capacidade, equipamento, tarefa e ambiente. ## Estado de maturidade Laboratório · capacidades em avaliação. Visort, MagdalenOS e MontojOS permitem integrar perceção, estimação, planeamento, controlo e mecanismos dentro de percursos físicos definidos. Cada capacidade avança através de simulação, ensaios de software e hardware, campanhas em ambiente e critérios específicos de precisão, segurança, recuperação e resultado. A web declara o estado por tarefa e ambiente. Esta forma de apresentar a maturidade permite alargar a ambição mantendo cada demonstração dentro do seu âmbito. ## Fecho A Inteligência Física liga o conhecimento da tarefa a uma estimativa do mundo e converte essa estimativa em ações sob restrições. O seu valor aparece quando o sistema pode percecionar, decidir, atuar, verificar e aprender dentro do ambiente em que terá de operar. --- https://www.3.14financialcontents.com/llms-gl-pt.txt · https://www.3.14financialcontents.com/llms-full-gl-pt.txt