A inteligência artificial generativa cresceu alimentada por enormes quantidades de textos, imagens e vídeos disponíveis na internet. A próxima corrida, porém, enfrenta um problema diferente: robôs precisam aprender como o mundo físico funciona — e esses dados são muito mais difíceis de encontrar.
É justamente nesse gargalo que a startup norueguesa Kinetic Blocks pretende atuar.
A empresa abriu em 1º de setembro de 2026 uma versão beta de seu marketplace dedicado à compra e licenciamento de dados para treinamento de robótica e sistemas de embodied AI, ou inteligência artificial incorporada ao mundo físico.
A informação apresentada na imagem está correta em essência. Mas a plataforma não comercializa apenas “dados de movimento para robôs humanoides”. Seu catálogo pode incluir vídeos egocêntricos de pessoas realizando tarefas reais, episódios de teleoperação, execuções realizadas por robôs e capturas multimodais.
O ChatGPT teve a internet. Robôs precisam do mundo físico
Modelos de linguagem puderam ser treinados utilizando trilhões de palavras existentes em páginas, livros, fóruns e outras fontes digitais.
Robôs humanoides enfrentam uma situação diferente.
Para aprender a guardar objetos, limpar uma casa, organizar uma mesa, operar equipamentos ou manipular ferramentas, um sistema precisa compreender sequências de movimentos e suas consequências.
Como uma mão segura determinado objeto?
Qual força deve ser aplicada?
Como o corpo se posiciona?
Qual movimento vem depois?
Como diferentes objetos respondem ao contato?
Essas informações raramente aparecem estruturadas em bancos de dados públicos na escala necessária.
Por isso, dados de interação com o mundo físico estão se tornando um dos recursos mais valiosos da robótica moderna.
Pessoas podem gerar dados para ensinar máquinas
Uma das categorias comercializadas pela Kinetic Blocks é o vídeo egocêntrico.
Nesse formato, uma pessoa utiliza uma câmera posicionada para registrar aquilo que vê enquanto executa tarefas.
O vídeo pode mostrar alguém limpando uma sala, organizando objetos, preparando alimentos ou realizando atividades industriais.
Essas gravações oferecem aos modelos informações sobre sequências de ações humanas.
Outra categoria ainda mais valiosa é a teleoperação.
Nesse caso, um humano controla diretamente um robô enquanto sensores registram seus movimentos, estados e ações.
O resultado é um conjunto de dados que associa uma intenção humana aos comandos executados pela máquina.
Marketplace já mostra dados à venda por US$ 300 e US$ 800
O catálogo beta oferece uma primeira visão de como esse novo mercado poderá funcionar.
Um conjunto chamado Egocentric Household Manipulation reúne aproximadamente 20 horas e 198 clipes de tarefas domésticas capturadas em primeira pessoa na América do Sul.
O preço anunciado é US$ 800.
Outro dataset, voltado a tarefas de limpeza em ambiente doméstico, possui aproximadamente 10 horas de conteúdo e está listado por US$ 300.
A plataforma também mostra conjuntos em processo de avaliação envolvendo trabalho administrativo, ferramentas manuais, cuidados pessoais, montagem industrial, preparação de alimentos e construção.
Ou seja, o objetivo é muito maior do que simplesmente ensinar um humanoide a andar.
A intenção é fornecer exemplos de como executar trabalhos.
Cada dataset recebe uma espécie de “nota”
Comprar dados para robótica possui um problema: o comprador muitas vezes não sabe exatamente a qualidade do material até recebê-lo.
Kinetic Blocks tenta resolver isso criando um sistema padronizado.
Antes de entrar no marketplace, cada conjunto de dados passa por duas avaliações independentes.
A primeira verifica se aquilo que o vendedor declarou corresponde aos arquivos realmente entregues.
Informações como tarefa, ambiente, modalidade, duração, resolução e outras características podem ser conferidas.
Depois vem uma avaliação de qualidade.
A plataforma atribui uma classificação entre A+ e F.
Qualidade técnica não é o único critério
A nota é calculada utilizando quatro pilares.
A qualidade técnica representa 30% da avaliação e considera elementos como nitidez, exposição, estabilidade da taxa de quadros, resolução e compressão.
A integridade temporal, com peso de 25%, verifica problemas como frames perdidos, timestamps e sincronização.
A utilidade do conteúdo representa outros 30%.
Nesse ponto, uma das métricas mais importantes é a densidade de ações.
Por fim, completude representa 15% e verifica se todos os elementos prometidos realmente estão presentes.
A ideia é permitir que compradores comparem datasets produzidos por fornecedores diferentes utilizando a mesma metodologia.
Vídeo parado vale menos
Existe um problema curioso nesse mercado.
Datasets de robótica frequentemente são comercializados por quantidade de horas.
Mas uma hora de vídeo não significa necessariamente uma hora de informação útil.
Imagine uma gravação de 60 minutos em que durante 30 minutos praticamente nada acontece.
O comprador estaria pagando por tempo, mas não necessariamente por conhecimento relevante para o treinamento.
Por isso, a Kinetic Blocks mede os chamados dead spans, períodos com pouca ou nenhuma atividade útil.
Esses trechos não são simplesmente removidos.
Eles entram na avaliação de qualidade.
Vendedor continua dono dos dados
A plataforma também tenta resolver outro problema: licenciamento.
Quem disponibiliza um dataset continua sendo proprietário do material.
O vendedor pode definir preço, licença e exclusividade.
Por padrão, as vendas são não exclusivas, permitindo que o mesmo conjunto seja licenciado para diferentes compradores.
A Kinetic Blocks afirma ainda que os arquivos enviados permanecem em modo somente leitura durante a análise.
A empresa mede e verifica os dados, mas não os modifica.
Marketplace ainda está em beta controlado
Apesar de se apresentar como marketplace aberto, o serviço ainda está em uma fase inicial.
O site pode ser consultado publicamente, mas compradores e vendedores estão sendo aprovados individualmente durante o beta.
Isso significa que ainda não estamos diante de um gigantesco “Amazon dos dados robóticos” funcionando em escala global.
O catálogo inicial é pequeno propositalmente.
A empresa afirma que pretende priorizar qualidade e verificação enquanto constrói a oferta e a demanda.
Também existe a possibilidade de solicitar datasets personalizados quando determinado material não estiver disponível.
Startup nasceu em Oslo e possui ligação com o ecossistema da 1X
A Kinetic Blocks foi criada em Oslo, na Noruega, e possui conexões interessantes com a indústria de robôs humanoides.
O CEO é Lars-Fredrik Forberg, anteriormente CTO do grupo escandinavo de construção Mestergruppen.
O conselho é presidido por Erik Ålgård, investidor e ex-integrante do conselho da fabricante de robôs humanoides 1X Technologies.
Outro cofundador, Christian Rokseth, também foi investidor inicial da 1X.
A empresa pretende ampliar sua equipe durante o segundo semestre e planeja abrir uma rodada seed no quarto trimestre de 2026.
Dados podem se tornar o petróleo da robótica humanoide
Existe uma corrida mundial para desenvolver robôs capazes de executar tarefas úteis.
Tesla, Figure AI, 1X, Agility Robotics, Apptronik, Unitree e diversas empresas chinesas estão tentando levar humanoides para fábricas, armazéns e eventualmente residências.
O hardware está avançando rapidamente.
Motores ficaram melhores.
Sensores ficaram mais baratos.
Baterias evoluíram.
Modelos de visão e linguagem também ganharam enorme capacidade.
Mas existe um obstáculo fundamental: ensinar essas máquinas a realizar milhares de tarefas diferentes com segurança e confiabilidade.
Para isso, dados são essenciais.
Robótica enfrenta seu próprio problema de escala
Treinar um modelo para reconhecer gatos pode exigir milhões de imagens de gatos.
Treinar um robô para dobrar uma camiseta exige algo muito mais complexo.
É necessário registrar posições, movimentos, sequência temporal, interação com o tecido, possíveis erros e diferentes maneiras de executar a mesma tarefa.
Depois imagine repetir isso para:
lavar louça, organizar caixas, preparar alimentos, operar uma máquina, utilizar uma chave de fenda, limpar uma mesa ou cuidar de uma pessoa.
A quantidade de exemplos necessária cresce rapidamente.
É por isso que empresas estão buscando diferentes maneiras de produzir dados: teleoperação, simulações, realidade virtual, vídeos humanos e dados sintéticos.
Um novo trabalho pode surgir: produzir dados para robôs
O modelo da Kinetic Blocks abre ainda uma possibilidade econômica interessante.
Se dados de movimentos humanos adquirirem valor comercial, empresas especializadas poderão contratar pessoas especificamente para executar e registrar tarefas destinadas ao treinamento de máquinas.
Algo semelhante aconteceu durante a expansão dos grandes modelos de linguagem.
Surgiu uma enorme indústria de anotação de dados, avaliação de respostas e reinforcement learning com feedback humano.
A robótica pode criar sua própria versão dessa economia.
Só que, em vez de trabalhadores classificarem textos e imagens diante de uma tela, poderão executar atividades físicas enquanto câmeras e sensores registram seus movimentos.
Dados reais também trazem questões de privacidade
Quanto maior esse mercado se tornar, maiores serão as discussões sobre direitos.
Vídeos gravados em ambientes domésticos ou profissionais podem capturar rostos, documentos, telas, conversas, endereços e outras informações sensíveis.
Também surgem questões sobre consentimento.
Se o movimento de um trabalhador for registrado para ensinar um robô a executar sua função, quem é dono desse conhecimento?
A empresa?
O trabalhador?
O fornecedor que capturou os dados?
E poderá esse dataset ser vendido repetidamente para diferentes fabricantes de robôs?
São questões que provavelmente ganharão importância conforme a indústria amadurecer.
Depois da corrida pelos dados da internet, começa a corrida pelos dados do mundo
A Kinetic Blocks ainda é uma empresa pequena e seu marketplace está apenas começando.
Mas o conceito por trás dela representa uma transformação muito maior.
A primeira geração da inteligência artificial aprendeu principalmente observando informações digitais produzidas por humanos.
A próxima geração precisa aprender observando humanos interagindo fisicamente com o mundo.
Isso pode transformar tarefas aparentemente banais — abrir uma gaveta, limpar uma bancada, guardar um objeto ou utilizar uma ferramenta — em informação valiosa para treinamento.
Se os robôs humanoides realmente avançarem para fábricas, empresas e residências, a indústria poderá descobrir que construir motores, sensores e processadores foi apenas metade do problema.
A outra metade será encontrar dados suficientes para ensinar bilhões de movimentos.
E é justamente nesse novo mercado que a Kinetic Blocks quer ocupar espaço: transformando experiências do mundo físico em dados que máquinas possam comprar, aprender e reproduzir.
