Boston Dynamics, Figure e 1X já implantaram robôs humanoides em armazéns — os resultados são mais complexos do que os comunicados à imprensa sugerem

Seis meses depois: a realidade operacional

Quando a Boston Dynamics implantou 50 unidades do Atlas em uma fábrica da BMW em Spartanburg, Carolina do Sul, no final de 2025, o anúncio gerou manchetes globais. O acordo da Figure com a BMW veio primeiro, depois a Boston Dynamics, e em seguida a implantação da 1X Technologies com um grande operador de fulfillment 3PL em Columbus, Ohio. No primeiro trimestre de 2026, as três implantações já haviam gerado dados operacionais suficientes para uma avaliação séria.

A conclusão desses dados: robôs humanoides são genuinamente úteis em tarefas específicas e bem definidas dentro de ambientes logísticos. Eles não são trabalhadores de propósito geral. A distância entre o que as demonstrações mostram e o que se sustenta em produção é significativa — mas é uma lacuna solucionável, não fundamental.

O que os dados mostram por implantação

Boston Dynamics Atlas na BMW Spartanburg

As unidades do Atlas na BMW cuidaram de tarefas de transferência de peças — movendo componentes de prateleiras de armazenamento para estações da linha de montagem. Após seis meses, a Boston Dynamics reportou uma taxa de conclusão de tarefas de 87% nos workflows-alvo, acima dos 71% do segundo mês. O tempo médio entre intervenções (um indicador operacional chave) chegou a 4,2 horas. Isso significa que um operador humano precisa intervir aproximadamente a cada quatro horas por robô — não é autônomo, mas gerenciável em escala.

As tarefas que o Atlas não conseguiu realizar de forma confiável: qualquer coisa envolvendo componentes flexíveis (feixes de fios, peças revestidas de tecido) e qualquer tarefa que exigisse mais de 3 operações sequenciais de pegar e colocar sem um checkpoint humano. A destreza do robô com peças rígidas é sólida. Objetos deformáveis continuam sendo um problema difícil.

Figure 02 no Centro Logístico da BMW em Munique

A implantação da Figure focou no descarregamento de contêineres — uma das tarefas mais desgastantes fisicamente e propensas a lesões em operações de armazém. As unidades Figure 02 alcançaram uma taxa de transferência de 340 pacotes por hora em condições controladas, aproximadamente 85% da taxa de um trabalhador humano médio. Em produção, considerando recuperação de erros e variabilidade ambiental, a taxa sustentada foi de 270 pacotes por hora — cerca de 67% do throughput humano.

A economia ainda favorece a Figure em escala: uma unidade Figure 02 opera a um custo equivalente a aproximadamente US$ 17/hora quando amortizado ao longo de 3 anos (custo de hardware + manutenção + licenciamento de software). Em mercados onde o trabalho em armazém custa US$ 22-28/hora incluindo benefícios, a economia unitária é favorável. Mas a diferença de produtividade de 33% em relação aos humanos é real e precisa ser fechada para que o caso de negócios seja convincente sem subsídios ao custo do trabalho.

1X Technologies NEO no Fulfillment de Columbus

O NEO da 1X foi projetado de forma diferente — prioriza a coexistência segura com humanos em vez do máximo throughput de tarefas. A implantação em Columbus focou em tarefas de pick-and-place em um ambiente compartilhado humano-robô, operando em velocidades mais baixas com planejamento de movimento mais conservador. Resultados de seis meses: 94% de precisão nas tarefas com SKUs padrão, com degradação significativa em embalagens não padrão (itens sem superfícies planas, devoluções de formato irregular). Zero incidentes de segurança envolvendo trabalhadores humanos — uma métrica que a 1X enfatizou fortemente em suas comunicações.

A limitação atual do NEO é a velocidade. Com máximo de 180 picks por hora, opera a aproximadamente 45% do throughput humano para tarefas comparáveis. O argumento da 1X é que a cooperação segura desbloqueia contextos de implantação que robôs autônomos de alta velocidade não conseguem acessar — ambientes onde a adaptação de infraestrutura de segregação física é proibitiva em custo.

Os problemas técnicos que ainda não foram resolvidos

Percepção em ambientes não estruturados

As três implantações mostraram degradação de desempenho em ambientes com iluminação variável, fundos desordenados ou posicionamento não padrão de itens. Os robôs têm bom desempenho quando o ambiente é semi-estruturado e previsível. Armazéns reais frequentemente se desviam dessas condições — itens são colocados incorretamente, etiquetas são danificadas, a iluminação muda com as trocas de turno. Isso não é um impeditivo, mas significa que o ROI da implantação é altamente sensível ao investimento na preparação das instalações.

Planejamento de tarefas de longo horizonte

Nenhum dos sistemas implantados consegue executar de forma confiável tarefas com mais de 8 a 10 etapas sequenciais sem intervenção humana ou um reset forçado. Isso limita sua aplicabilidade a workflows complexos de montagem, auditoria de inventário ou qualquer tarefa que exija tomada de decisão contextual além de “pegue o item A, coloque no local B”. As camadas de raciocínio baseadas em LLM que várias empresas estão agregando aos modelos de manipulação ajudam no alto nível, mas ainda não preenchem a lacuna para execução confiável na camada de manipulação.

Recuperação de modos de falha

Quando um robô humanoide falha no meio de uma tarefa — derruba um item, identifica erroneamente um objeto, fica preso em uma configuração de borda — a recuperação é lenta e frequentemente requer intervenção humana. O tempo médio de recuperação nas três implantações variou de 8 a 23 minutos, dependendo do tipo de falha. Reduzir isso para menos de 2 minutos é crítico para que a tecnologia atinja os níveis de uptime (acima de 90%) que os operadores logísticos exigem para construir seus modelos de equipe em torno dela.

A cadeia de suprimentos para robôs humanoides é seu próprio gargalo

Todas as três empresas enfrentam a mesma restrição: fornecimento de atuadores. Os motores brushless e atuadores personalizados de alta densidade de torque que os robôs humanoides exigem estão em falta globalmente, com a maior parte da capacidade de produção concentrada no Japão (Harmonic Drive Systems) e na China. A Boston Dynamics divulgou que pode produzir cerca de 1.000 unidades do Atlas por ano com sua capacidade atual de manufatura. A Figure indicou um limite semelhante. Nessas taxas de produção, escalar para implantações significativas em armazéns — um grande 3PL pode precisar de 500 a 2.000 unidades por instalação — leva anos, não meses.

Conclusões acionáveis

• Se você opera logística: As melhores implantações no curto prazo são tarefas de escopo estreito e bem estruturadas — não substituição geral de mão de obra. Descarregamento de contêineres, workflows específicos de transferência de peças e estações de pick isoladas são implantações iniciais adequadas. Orçamente custos significativos de integração e preparação das instalações (normalmente 40-60% do custo do hardware do robô) ao construir modelos de ROI.
• Se você está avaliando fornecedores: Peça dados de tempo médio entre intervenções e métricas de tempo de recuperação, não apenas números de throughput. Esses números dizem mais sobre a viabilidade operacional real do que o desempenho máximo em demos controladas.
• Se você investe em robótica: A cadeia de suprimentos de atuadores é a restrição de curto prazo para escalar. Empresas com fabricação própria de atuadores ou relacionamentos exclusivos com fornecedores têm uma vantagem estrutural subestimada em relação às capacidades de software.
• Fique de olho no Q3 2026: Tanto a Figure quanto a 1X indicaram atualizações de hardware de próxima geração voltadas para melhorar a manipulação hábil. Se esses lançamentos ocorrerão em 2026 ou escorregarão para 2027 determinará a velocidade com que a lacuna de produtividade se fechará.