O primeiro robô de IA da Apple pode ser uma HomeView animada
Na semana passada, a Apple apresentou mais de uma dúzia de novos produtos para casas inteligentes, sendo o mais chamativo o HomeView, com tela central, a partir de US$ 299.
Enquanto todos ainda estavam tentando entender o que aquela tela podia fazer, o repórter da Bloomberg, Mark Gurman, lançou outra bomba:
A Apple está, na verdade, desenvolvendo secretamente um modelo de ponta ainda mais radical, com o codinome J595.
O dispositivo possui uma tela de aproximadamente 9 polegadas e uma base conectada a um braço robótico elétrico que consegue identificar quem está falando por meio de reconhecimento de voz e girar automaticamente a tela em sua direção. A previsão é de que esteja disponível já em 2027 ou 2028.
Na newsletter Power On de ontem, Gurman reclamou que, no vídeo promocional oficial da Apple para o HomeView, os membros da família se revezavam em volta da tela, alguns checando o calendário e outros enviando mensagens, mas a primeira coisa que todos faziam ao chegar lá era estender a mão e ajustar à força o ângulo de inclinação da tela.
O vídeo promocional, que tinha como objetivo demonstrar o bom funcionamento do dispositivo com toda a família se revezando no uso, acabou expondo inadvertidamente as limitações de uma tela fixa. Claramente, a própria Apple reconheceu essa dificuldade — simplesmente reconhecer quem você é não é suficiente. O próximo passo é fazer com que o dispositivo "encontre" você sozinho.
Esta tela está ativa.
Imagine a seguinte situação: você está na cozinha, lavando legumes e preparando os ingredientes, e casualmente pergunta a um HomeView a poucos metros de distância quais são os passos de uma receita.
Infelizmente, a HomeView do outro lado mostra apenas um perfil frio e sem resposta. Você não só não consegue ver o conteúdo na tela, como também não tem certeza se o dispositivo consegue te ouvir.
O braço robótico HomeView, conforme revelado por Gurman, visa justamente esse problema.
O HomeView atual apresenta uma base hemisférica com um eixo de conexão em aço inoxidável, um design que homenageia o clássico iMac G4 "luminária de mesa" de 2002.
O detalhe do qual Steve Jobs mais se orgulhava naquela época era aquele braço mecânico cromado que podia ser facilmente movido com uma mão, e a tela podia ser suspensa em qualquer ângulo, como um girassol.
Mas, seja o iMac G4 de antigamente ou o HomeView de hoje, no fim das contas tudo se resume a ser puxado à mão: para onde quer que você vá, você tem que estender a mão e puxá-lo naquela direção.
A principal mudança no braço robótico HomeView é que seu pescoço finalmente pode se mover: um motor sem escovas foi inserido na base hemisférica para suportar a rotação horizontal de 360 graus; servomotores foram dispostos dentro do suporte de ligação para realizar a inclinação vertical da tela.
Utilizando um conjunto de microfones e reconhecimento de voz, o motor gira automaticamente a tela para ficar de frente para quem está falando assim que ouve alguém chamando.
A Apple passou dez anos tentando conhecer você.
Mas aprender a girar a cabeça é apenas o passo mais superficial. Se alguém andar pela sala ou se a TV estiver ligada, ela girará aleatoriamente. Não importa quão inteligente seja a estrutura mecânica, ela se tornará uma perturbação em casa.
A verdadeira força desta versão de braço robótico reside na experiência sensorial que a Apple acumulou ao longo da última década em diversos produtos de hardware.
Tudo começou com iPhone X, lançado no outono de 2017. O Face ID revolucionou completamente a interação entre as pessoas e seus telefones. Antes, as pessoas precisavam estender a mão para encontrar os botões; a partir iPhone X, passou a ser uma questão de levantar o telefone, ele "reconhecer" você e, em seguida, desbloqueá-lo automaticamente.
Mas as coisas mudam quando você leva essa funcionalidade para a sala de estar. Um celular é sempre um objeto privado que você segura na mão, voltado apenas para você do amanhecer ao anoitecer; mas a tela na sala de estar precisa ser vista por toda a família e até mesmo por visitantes.
Por isso, precisa aprender a "ler nas entrelinhas" — precisa ter muito cuidado com quem acessa a internet e o que essas pessoas veem, bem como com os limites de privacidade das mensagens privadas e dos horários agendados.
Nos últimos anos, a Apple tem trabalhado para desvendar o mistério de como permitir que as máquinas compreendam "espaço e pessoas" em diversos dispositivos: primeiro, na sala de estar, ensinou o HomePod a reconhecer pessoas por suas vozes, distinguindo se um adulto está perguntando sobre horários ou se uma criança está pedindo música;
Em seguida, a tecnologia UWB é usada para permitir que o AirTag e os telefones celulares determinem a orientação e a distância um do outro na sala; depois, há a câmera Center Stage no iPad, que pode mover a câmera automaticamente e centralizar a imagem durante chamadas de vídeo.
Essas funções estão espalhadas por diferentes produtos, mas todas ensinam aos dispositivos a mesma coisa: a perceber onde as pessoas estão na sala e o que estão fazendo.
Com o lançamento do HomeView, a Apple trouxe oficialmente essa tecnologia de sensores para a sala de estar. A câmera frontal consegue reconhecer até seis membros da família e alterna para a página inicial de cada um sempre que alguém passa por perto.
No entanto, o simples reconhecimento facial não é suficiente. Para proteger a privacidade, a Apple também exige que iPhone emparelhado esteja por perto e desbloqueado.
O entusiasmo da Apple em "conhecer você" está, na verdade, abrindo caminho para uma ambição maior: dar à Siri um contexto verdadeiramente pessoal e familiar.
Em dispositivos pessoais, a Apple criou um perfil pessoal completo por meio de seu ecossistema multiplataforma. Listas de tarefas são armazenadas em iPhone , agendas são gerenciadas em Macs e rotinas são monitoradas em Apple Watches, tudo isso claramente compreendido pela inteligência artificial Siri.
No entanto, o ecossistema da Apple há muito tempo está ausente da sua sala de estar. Embora o HomePod e Apple TV possam fornecer alguns serviços personalizados, eles ainda não sabem quem está sentado à sua frente e só conseguem oferecer respostas simples, como verificar a previsão do tempo e definir alarmes, ou recomendar conteúdo diferente para cada membro da família na tela inicial da TV.
O que o HomeView faz é preencher essa lacuna. Uma vez que o dispositivo consegue conectar pessoas e o ecossistema em um espaço, o fluxo de dados que antes estava disperso entre dispositivos pessoais encontra um ponto de ancoragem no ambiente doméstico compartilhado.
Primeiro, reconheça as pessoas no espaço, compreenda suas intenções combinando o contexto ecológico e, em seguida, apresente os resultados por meio de ações físicas — essa é essencialmente a lógica por trás da inteligência incorporada no ambiente doméstico.
É fácil de mover, mas difícil de entender.
"Fazer a tela girar sozinha" não é exatamente um segredo na indústria de eletrônicos de consumo.
Em 2020, a Amazon lançou o Echo Show 10 com tela giratória. Um motor sem escovas foi integrado à base, permitindo que a tela de 10,1 polegadas girasse 350 graus horizontalmente.
Mas a abordagem da Amazon naquela época era muito simplista e rudimentar: o microfone localizava a fonte de qualquer ruído e a câmera girava sua base ao detectar uma pessoa. Para evitar controvérsias sobre privacidade, o sistema não reconhecia rostos, apenas figuras humanas.
A intenção inicial de não reconhecer rostos era evitar suspeitas, mas quando colocada em uma sala de estar e cozinha reais, a experiência rapidamente revelou as falhas.
Sempre que alguém fala na TV ou um gato ou cachorro passa correndo, a tela treme nervosamente; o leve zumbido das engrenagens do motor girando tarde da noite é ainda mais perturbador.
Muitos usuários do Echo Show 10 que o compraram e o usaram por um tempo acabaram desativando a rotação automática nas configurações.
A exploração da Amazon naquela época foi de fato pioneira, mas essencialmente carecia de inteligência incorporada: possuía apenas deslocamento mecânico, sem consciência contextual.
O dispositivo não sabe quem é a pessoa à sua frente, o que ela está fazendo ou se precisa dele naquele momento. No ambiente sensível do lar, um dispositivo que não compreende as intenções da outra pessoa pode facilmente deixar de ser um serviço proativo e se tornar uma perturbação desnecessária.
Além de saber quando se mover, outro teste mais sutil é a adequação do próprio movimento: como o dispositivo deve ser girado sobre a mesa para não ofender ninguém?
A uma distância de meio metro a dois metros, se o dispositivo ouvir um som e imediatamente virar a cabeça bruscamente em direção à pessoa, seguindo o caminho mais curto, tal como uma câmara de segurança que fixa um alvo suspeito, irá despertar a vigilância psicológica do utilizador.
No artigo da Apple sobre interação humano-computador "ELEGNT", publicado no início deste ano, podemos vislumbrar sua abordagem para a resolução de problemas. O tema principal deste artigo é justamente um braço robótico fixado a uma mesa.
Leitura relacionada: O conjunto de robôs com IA da Apple é revelado: uma "lâmpada Pixar" que pode atuar, uma "câmera de vigilância" que serve toda a família.
A equipe de pesquisa realizou uma série de experimentos comparativos muito interessantes:
- Uma delas é o "deslocamento funcional" da mentalidade do engenheiro: o motor simplesmente gira a uma velocidade constante ao longo do caminho mais curto, o que parece rígido e abrupto.
- Outro tipo é o "movimento expressivo", que incorpora animação não linear: o braço robótico adiciona flutuações de aceleração e uma ligeira inclinação ao girar, e faz uma breve pausa antes de ficar de frente para o orador.
A primeira transmite uma sensação opressiva de estar sendo observado; enquanto a segunda é muito mais natural, como alguém virando a cabeça para ouvir você falar.
Mas, por mais semelhantes aos movimentos humanos que sejam, eles ainda podem ficar confusos em cenários reais e complexos.
Imagine um casal preparando comida e conversando, quando de repente o filho grita que quer assistir desenhos animados. Para qual deles o braço robótico deve se voltar? Quando um usuário caminha do fogão até a geladeira para pegar ingredientes, a tela deve segui-lo passo a passo ou deve deixar algum espaço para que ele se movimente?
Um braço robótico com um pescoço comprido que podia girar a qualquer momento — qualquer movimento brusco da parte dele deixaria qualquer um apreensivo quanto à possibilidade de estar sendo espionado.
Se você não conseguir acertar o momento certo ou descobrir com quem falar, o que a maioria das pessoas provavelmente vai querer fazer no final das contas é ir nas configurações e desligar para ter um pouco de paz e sossego.
Ao longo da última década, a Apple ensinou seus dispositivos a "reconhecerem você" na palma da sua mão; e essa HomeView animada, que vem sendo especulada, é uma tentativa de fazer com que ela "encontre você ativamente".
Embora seu lançamento oficial ainda possa estar a alguns anos de distância, este é talvez o hardware doméstico mais aguardado da Apple nos últimos anos. Afinal, quem não gostaria que este robô de mesa virasse a cabeça em sua direção quando acionasse a Siri casualmente enquanto corta legumes ou cozinha?
