A startup de robótica Maxinsights captou US$ 30 milhões em uma rodada de financiamento inicial para reunir dados de tarefas cotidianas e ajudar a treinar robôs. A iniciativa busca suprir a falta de imagens em primeira pessoa de atividades humanas, em um momento de forte investimento em inteligência artificial física: investidores aplicaram US$ 47,4 bilhões no setor no primeiro semestre de 2026, quase quatro vezes o valor do segundo semestre de 2025, segundo o Crunchbase.
A Maxinsights afirma que mais de 5 mil prestadores de serviço, em seis países, usam câmeras da empresa na cabeça, no pulso e no tronco enquanto realizam tarefas como lavar carros, preparar smoothies e colocar louça na lava-louças. A companhia transforma as imagens em dados para treinar modelos fundacionais de robótica, sistemas de inteligência artificial que servem de base para diferentes aplicações.
“Os modelos de linguagem aprenderam a escrever lendo a internet, que as pessoas passaram décadas preenchendo com texto”, afirmou por e-mail Yuguang Yuan, fundador e CEO da Maxinsights. “Os robôs não têm nada parecido. Não existe um arquivo de pessoas colocando louça na lava-louças em primeira pessoa, com as mãos em foco.”
Dados de tarefas reais
A empresa diz ter registrado mais de 2 milhões de horas de vídeo, das quais 1,5 milhão estão prontas para uso na modelagem. Também afirma atender a mais de 30 clientes, entre eles laboratórios de inteligência artificial e empresas que desenvolvem modelos fundacionais.
Parte dos dados já foi usada em sistemas de robótica. Segundo Yuan, a Maxinsights forneceu as 200 mil horas de dados em primeira pessoa usadas no GENE-26.5 e é a maior fornecedora de dados do Dyna-2. O GENE-26.5 é o modelo mais recente da Genesis AI, empresa que também apresentou o humanoide Eno e mãos robóticas capazes de preparar o café da manhã. O Dyna-2 é um modelo fundacional da Dyna Robotics.
Johnson Wang, cofundador da Genesis AI, disse em comunicado que as tarefas do cotidiano ajudam os modelos a lidar com situações variadas. “Os robôs precisam aprender com a complexidade e a variação da vida cotidiana, mas conjuntos de dados cuidadosamente controlados, por si só, não conseguem capturar isso”, afirmou. Segundo Wang, boa parte das imagens de pessoas realizando tarefas naturalmente usadas no GENE-26.5 veio da Maxinsights.
Yuan afirma que ensinar uma tarefa específica não basta para preparar um robô para trabalhar em uma cozinha desconhecida. Segundo ele, essa capacidade pode exigir cinco vezes mais dados do que os disponíveis atualmente, além de maior variedade. O executivo diz que o Dyna-2 continua melhorando depois de 1 milhão de horas de vídeo com pessoas, mas que uma adaptação ampla, semelhante à humana, pode demandar 10 milhões de horas ou mais de dados diversos e modelos melhores.
Controle de qualidade e novos sensores
A Maxinsights processa cerca de 450 mil horas de filmagens por mês. Sua plataforma de inteligência artificial, chamada MaxLoop, avalia os vídeos durante a coleta e verifica se o operador está trabalhando, se as câmeras foram usadas corretamente, se a tarefa foi concluída e se as imagens podem ser aproveitadas. A empresa também treinou modelos próprios para rastrear mãos, pois afirma que vídeos do mundo real dificultam o trabalho de ferramentas de anotação.
Em vez de pedir que os operadores reduzam a velocidade dos movimentos para facilitar o processamento, a startup diz registrar atividades em ritmo natural, em casas, restaurantes e hotéis. Yuan diferencia o serviço da plataforma Index, da Figure, que paga pessoas para gravarem tarefas domésticas. A Figure afirma que os vídeos da Index elevaram em seis vezes o sucesso de tarefas executadas por robôs em um mês. Segundo Yuan, a Index foi criada para os modelos da própria Figure, enquanto a Maxinsights atende a clientes diversos e administra operadores treinados, protocolos e equipamentos próprios.
O vídeo, porém, não registra todas as informações necessárias para a manipulação de objetos. “As câmeras mostram o que uma mão faz, mas não conseguem dizer com que força ela segura o objeto, o seu peso ou quando algo começa a escorregar”, disse Yuan. “Essa é a diferença entre um robô que pega um ovo e um que o esmaga.”
Para captar esses dados, a Maxinsights desenvolve, com a Genesis AI, a MaxGlove. A luva registra a força de preensão, o peso do objeto e as mudanças de contato durante uma tarefa, sincronizando os dados com o vídeo. A empresa afirma que luvas com sensores disponíveis no mercado exigem longos períodos de calibração e permitem apenas de 10 a 20 minutos de gravação útil por dia. A meta da startup é alcançar 1 milhão de horas de dados de força em 2027.
Mercado e próximos passos
A Peak XV, líder da rodada, aponta o controle de qualidade como diferencial da empresa. “Quase todas as empresas dessa categoria vendem horas. A Maxinsights é a única que tratou o controle de qualidade como um problema de engenharia, e não como um custo de pessoal”, disse Rohit Agarwal, diretor-geral da Peak XV. A rodada também teve participação da Tola Capital, South Park Commons, INCE Capital e Alumni Ventures.
O modelo de negócios depende da demanda por grandes volumes de dados específicos. No setor, também há quem aposte que robôs mais inteligentes precisarão de menos exemplos do mundo real: ao menos uma startup captou US$ 32 milhões com essa tese. Yuan diz que, por enquanto, os clientes da Maxinsights relatam aumento da procura por dados. Mesmo que os modelos avancem, argumenta, ainda será necessário testar robôs em casas e fábricas reais.
O CEO prevê que, em cerca de dois anos, a operação deixe de apenas entregar dados aos clientes e passe a formar um ciclo contínuo: a Maxinsights testaria os modelos dos clientes, e os resultados orientariam novas coletas. A empresa afirma que seu trabalho envolve acesso a ambientes reais, operadores treinados, equipamentos consistentes e processos para transformar gravações em dados utilizáveis no treinamento de robôs.
