Financiamento da Embodied AI Apoia uma Aposta Prática no Chão de Fábrica Europeu
O financiamento da Embodied AI lançou uma startup europeia de robótica com uma promessa incomum: automatizar agora tarefas difíceis de fábrica, em vez de esperar por robôs universais.
A empresa sediada em Lausanne divulgou sua primeira rodada de financiamento em 16 de setembro de 2026. A Faber VC liderou o investimento, com participação de Techshop Capital, Look AI Ventures, Kickfund, Plug and Play San Francisco, Excellis e Vento. O valor não foi divulgado.
Esse número ausente importa, mas o detalhe mais importante é como a Embodied AI planeja gastar o capital. A empresa quer implantar robôs diretamente em fábricas europeias, coletar dados de tarefas e recorrer a operadores remotos quando a automação falhar.
A estratégia posiciona a Embodied AI em um dos lados de um debate crescente na robótica. Vários desenvolvedores buscam modelos de propósito geral que prometem competências amplas em diferentes máquinas e ambientes. A Embodied AI está começando com modelos mais restritos, hardware flexível e intervenção humana em linhas de produção ativas.
A empresa afirma que suas aplicações iniciais incluem fabricação de eletrônicos, separação de kits, manuseio de cabos flexíveis, logística e montagem automotiva. Cada uma envolve variação ou destreza física que a automação convencional frequentemente lida mal.
A Embodied AI não argumenta que a autonomia total deixou de importar. Ela argumenta que as fábricas não deveriam ter de esperar por ela.
O Que o Financiamento da Embodied AI Realmente Apoia
A rodada financia uma estratégia de implantação em produção, e não apenas mais um programa de pesquisa em robótica.
A Embodied AI planeja usar o novo capital em quatro áreas conectadas. Ela fabricará mais robôs, implantará sistemas com clientes industriais europeus, ampliará sua infraestrutura de dados e treinamento e contratará profissionais técnicos e comerciais.
A empresa tem sede em Lausanne e está abrindo um escritório em Roma. Também mantém presença em Delft e Boston. O CEO Francesco Stella disse que o financiamento levaria sua tecnologia diretamente às linhas de produção dos clientes e estabeleceria a base para uma força de trabalho robótica europeia.
A empresa não identificou os fabricantes participantes. Ela afirma que alguns estão entre as maiores empresas industriais da Europa e que os robôs estão entrando em ambientes de eletrônicos, logística e automotivo. Essas alegações de implantação ainda não foram documentadas de forma independente por meio de estudos de caso de clientes.
A distinção entre um piloto e uma implantação contínua é importante. Um robô pode concluir uma demonstração controlada enquanto engenheiros permanecem por perto. A automação comercial precisa continuar funcionando diante de trocas de turno, variações de materiais, desgaste de equipamentos e atividade humana inesperada.
Por isso, a Embodied AI escolheu tarefas com limites operacionais claros, mas dificuldade física significativa. O manuseio de cabos flexíveis é um exemplo. Cabos dobram, torcem, se sobrepõem e mudam de forma quando são agarrados, tornando sua manipulação mais difícil do que a de peças rígidas.
A separação de kits apresenta um desafio relacionado. Os trabalhadores precisam selecionar e organizar os componentes corretos para um processo de montagem, frequentemente diante de configurações de produto em mudança. Um robô precisa reconhecer peças, recuperar-se de agarramentos imperfeitos e adaptar-se quando um item aparece em uma posição inesperada.
Não se trata de demonstrações cinematográficas. São atividades rotineiras de produção nas quais confiabilidade, tempo de ciclo e custos de recuperação determinam se a automação gera valor.
O anúncio do financiamento afirma que a empresa enfatizará retornos mensuráveis para os clientes em vez de ambições distantes envolvendo humanoides. Seu relatório de lançamento descreve um sistema verticalmente integrado que abrange hardware proprietário, teleoperação, coleta de dados e software de autonomia.
Essa integração dá à Embodied AI mais controle sobre como o robô se comporta. Também impõe à startup mais trabalho de engenharia, exposição à manufatura e exigências de capital do que uma empresa apenas de software enfrentaria.
A sócia da Faber VC, Sofia Santos, disse que a tese de investimento se concentrou em uma equipe capaz de repensar como os robôs são construídos e implantados. O sócio da Techshop Capital, Aurelio Mezzotero, apontou o foco da startup em necessidades industriais práticas.
Essas são avaliações de investidores, não uma validação independente. A rodada estabelece apoio financeiro e um plano de implantação. Ainda não estabelece economia repetível nem confiabilidade em produção.
O evento mais claro, portanto, não é que a Embodied AI tenha resolvido a robótica industrial. É que investidores estão financiando uma rota específica para esse objetivo, baseada em dados reais de fábrica e suporte humano contínuo.
Por Que os Fabricantes Europeus Precisam de Robôs Mais Flexíveis
A Embodied AI está mirando a lacuna entre a automação rígida e o trabalho variável que ainda depende de pessoas.
Os robôs industriais tradicionais se destacam quando os engenheiros conseguem controlar rigorosamente o ambiente. Eles soldam juntas predeterminadas, movem peças conhecidas entre locais fixos e repetem movimentos programados com alta precisão.
Esse modelo se torna menos eficaz quando os produtos mudam com frequência ou os objetos se deformam durante o manuseio. Cada variação adicional pode exigir novos dispositivos de fixação, código, revisões de segurança, testes ou suporte especializado.
As fábricas europeias frequentemente operam com produção de alta variedade, o que significa fabricar diversas variantes de produto em volumes menores. Essa estrutura recompensa a flexibilidade, mas pode enfraquecer o argumento financeiro para automação projetada em torno de uma única tarefa repetitiva.
A disponibilidade de mão de obra adiciona pressão, embora as condições variem conforme o país e o setor. Os fabricantes precisam de sistemas que possam complementar trabalhadores qualificados sem forçar um redesenho completo de cada linha de produção.
A resposta da Embodied AI é a IA física, que conecta aprendizado de máquina a robôs que percebem e agem em ambientes reais. O termo abrange mais do que humanoides. Inclui braços industriais, máquinas móveis, drones e outros sistemas cujas decisões produzem consequências físicas.
Esse último ponto cria um padrão exigente. Um modelo de linguagem pode produzir uma frase incorreta sem danificar uma linha de produção. Um robô pode deixar cair um componente, atingir equipamentos, parar uma célula ou criar um incidente de segurança.
Os fabricantes europeus também precisam avaliar integração, certificação, manutenção e treinamento da força de trabalho. Um modelo capaz tem pouco valor comercial se sua instalação interrompe a produção por meses ou exige suporte constante de engenharia externa.
A Embodied AI afirma que seus sistemas podem entrar em ambientes de produção existentes e aprender tarefas individuais durante a implantação. Se essa alegação se confirmar, os clientes poderão automatizar trabalhos que mudam com frequência demais para a programação convencional.
A abordagem surge enquanto instituições europeias examinam como a região pode participar do mercado de IA incorporada. Uma análise da Fraunhofer, de março de 2026, argumentou que fabricantes europeus deveriam se concentrar em componentes de robótica sensíveis a custo e desempenho.
Essa recomendação reflete a posição incomum da Europa. A região tem profunda expertise em maquinaria industrial, produção automotiva, sensoriamento e automação. Ela compete com ecossistemas de IA e robótica mais bem financiados nos Estados Unidos e na Ásia.
A Embodied AI quer transformar a proximidade com fábricas europeias em uma vantagem de dados. Implantações em produção geram exemplos de falhas reais, materiais, tarefas e ações de recuperação que sistemas de laboratório talvez nunca encontrem.
No entanto, acesso por si só não cria tecnologia defensável. Os fabricantes podem restringir a coleta ou transferência de dados de produção. Diferentes fábricas podem usar processos, equipamentos, regras de segurança e sistemas de informação incompatíveis.
A empresa precisa mostrar que o aprendizado obtido em uma instalação melhora implantações posteriores. Caso contrário, cada novo cliente poderá continuar sendo um projeto de engenharia personalizado.
Essa é a questão econômica central. Robôs flexíveis se tornam atraentes quando suas capacidades são transferidas entre tarefas e locais. Eles se tornam projetos caros de consultoria quando cada instalação começa do zero.
O financiamento da Embodied AI dá à empresa tempo para testar essa transferência. Os fabricantes europeus agora fornecem o ambiente no qual a tese se fortalece ou estagna.
Aprendizado Específico para Tarefas Desafia a Rota dos Modelos Fundamentais
A Embodied AI aposta que vários modelos focados podem chegar às fábricas antes de um único modelo universal de robótica.
A empresa descreve seu sistema como um “ciclo de impulso da Embodied AI”. Ele combina modelos específicos para tarefas, hardware robótico proprietário, coleta de dados, teleoperação e treinamento repetido.
Um ciclo de impulso é um circuito de feedback que se torna mais valioso à medida que opera. Neste caso, um robô tenta realizar uma tarefa, encontra uma situação difícil, recebe assistência humana e registra a correção resultante.
Os engenheiros podem então usar esses dados para melhorar o modelo relevante. Um desempenho melhor deve reduzir o número de intervenções, permitindo que os mesmos operadores apoiem mais robôs.
Esse é um ponto de partida diferente de um modelo fundamental de robótica, que busca aprender representações gerais a partir de conjuntos de dados grandes e variados. Esses modelos procuram transferir competências entre objetos, robôs e ambientes.
A rota mais ampla dos modelos fundamentais continua atraente porque a generalização pode reduzir a engenharia específica para cada tarefa. Um modelo suficientemente capaz poderia compreender novas instruções, reconhecer objetos desconhecidos e adaptar seu comportamento sem amplo retreinamento.
A limitação é a confiabilidade. Capacidade geral não produz automaticamente comportamento previsível em um ambiente de produção. Uma fábrica precisa saber com que frequência um sistema falha, o que acontece durante a falha e com que rapidez as operações se recuperam.
A Embodied AI está priorizando um escopo operacional menor. Cada modelo aborda uma tarefa definida, enquanto a teleoperação cobre os casos que a política automatizada não consegue lidar.
Essa escolha troca amplitude por controle. Um modelo focado tem menos situações a dominar, tornando seu comportamento mais fácil de avaliar. Ainda assim, uma coleção de modelos pode criar sua própria carga de manutenção à medida que tarefas, componentes e condições de fábrica mudam.
Pesquisas associadas à equipe da empresa oferecem algum apoio técnico para o lado de hardware da estratégia. Um estudo revisado por pares sobre uma mão flexível, conduzido pelo CTO Kai Junge e pela professora da EPFL Josie Hughes, examinou uma mão robótica com rigidez equivalente à humana.
Os pesquisadores relataram mais de 800 agarramentos sem danos ao longo de 15 horas de operação. Em um experimento separado sobre uma mesa, a mão concluiu 70 de 75 tentativas com 24 objetos.
Esses resultados dizem respeito a uma plataforma de pesquisa e experimentos controlados. Eles não verificam os robôs comerciais da Embodied AI nem o desempenho de sua atual pilha de software.
Ainda assim, eles ilustram por que a flexibilidade do hardware importa. Um mecanismo flexível pode se deformar ao entrar em contato com um objeto ou superfície, permitindo que o corpo absorva pequenos erros em vez de depender inteiramente de correções de software.
Sistemas rígidos também podem operar com segurança por meio de sensoriamento, controle, proteções e limites de força. O argumento da Embodied AI é mais restrito: a flexibilidade mecânica pode adicionar proteção e adaptabilidade antes que o modelo de IA tome uma decisão.
A startup também participou de pesquisas sobre a implantação de modelos de visão-linguagem-ação em robôs flexíveis. Um modelo de visão-linguagem-ação conecta observações visuais e instruções em linguagem a movimentos físicos.
Esse trabalho constatou que o ajuste fino de modelos era necessário ao transferir políticas para diferentes corpos robóticos. A descoberta reforça o ceticismo da Embodied AI em relação a um controle universal sem esforço.
Um modelo treinado em um robô não compreende automaticamente as dimensões, a rigidez, as articulações ou os movimentos disponíveis de outro robô. Pesquisadores chamam essa diferença de lacuna de incorporação.
O aprendizado específico para tarefas pode reduzir essa lacuna ao treinar em torno de uma máquina conhecida e de um processo de produção definido. O custo é que a habilidade resultante talvez não seja amplamente transferível.
A competição real, portanto, não é entre modelos pequenos e modelos grandes de forma isolada. É entre confiabilidade no curto prazo e generalidade no longo prazo.
A Embodied AI está posicionando modelos focados como a primeira camada comercial. Técnicas gerais podem ser introduzidas mais tarde, quando atingirem o limiar de confiabilidade exigido.
A Teleoperação Humana É a Rede de Segurança do Produto e Seu Gargalo
A intervenção remota pode manter uma linha em funcionamento, mas a Embodied AI precisa provar que o suporte humano diminui à medida que sua frota cresce.
A arquitetura human-in-the-loop da empresa permite que um operador assuma o controle quando um robô encontra uma condição desconhecida. Isso pode resolver um problema imediato de produção, ao mesmo tempo que cria um exemplo rotulado para treinamento posterior.
O projeto reconhece um fato que o marketing de robótica frequentemente obscurece. Ambientes reais contêm situações que os dados de treinamento não capturaram.
Um componente pode chegar danificado. A embalagem pode refletir a luz de forma diferente. Um cabo pode formar um novo nó. Um trabalhador pode colocar um objeto fora da área esperada.
Parar o sistema e esperar por um engenheiro torna a automação menos útil. A intervenção remota oferece uma alternativa mais rápida, especialmente quando um especialista pode dar suporte a máquinas em vários locais.
O modelo se assemelha a outros mercados de automação nos quais operadores humanos lidam com casos extremos. No entanto, fábricas impõem exigências rigorosas de resposta. Alguns minutos de atraso podem afetar máquinas posteriores ou forçar trabalhadores a contornar a célula robótica.
Portanto, a Embodied AI precisa medir mais do que o sucesso das tarefas. Os clientes precisarão de dados sobre frequência de intervenções, tempo de resposta, tempo de recuperação, disponibilidade de produção e número de robôs que cada operador pode supervisionar.
A métrica mais reveladora será o número de intervenções por hora de operação. Uma taxa em queda sustentaria a alegação da empresa sobre seu ciclo virtuoso. Uma taxa estável sugeriria que a teleoperação continua sendo uma necessidade permanente de mão de obra.
Esse resultado não tornaria necessariamente o produto inviável. O trabalho remoto ainda poderia ser mais seguro, escalável ou mais fácil de contratar do que colocar especialistas em cada fábrica.
No entanto, mudaria o modelo de negócios. A Embodied AI operaria um serviço de automação com suporte humano, em vez de avançar de forma constante rumo à produção autônoma.
A qualidade dos dados apresenta outro risco. Correções humanas só são valiosas quando o sistema captura com precisão o estado ao redor, a ação do operador e o resultado final.
Uma correção pode resolver o problema imediato sem ensinar uma lição reutilizável. Duas intervenções que parecem semelhantes podem ter causas físicas distintas.
A startup também precisará de governança em torno dos dados de fábrica. Imagens de produção podem expor componentes proprietários, layouts, processos ou informações de clientes. Fabricantes podem exigir processamento local, controles de acesso, limites de retenção ou restrições ao treinamento entre clientes.
A latência também importa. A operação remota deve permanecer responsiva e segura quando as condições de rede mudam. O robô precisa ter um comportamento definido caso a conexão falhe durante uma tarefa.
A Embodied AI afirma que a segurança também vem do projeto mecânico. Componentes macios ou flexíveis podem reduzir forças durante o contato, criando uma camada de proteção física ao lado dos controles de software.
As evidências acadêmicas são promissoras, mas limitadas. Resultados de preensão em laboratório não comprovam conformidade com requisitos de segurança industrial nem operação confiável ao lado de trabalhadores.
Observadores independentes também alertam contra a suposição de que a inteligência incorporada elimina restrições físicas. Pesquisadores de robótica entrevistados para uma análise europeia sobre robótica enfatizaram que tarefas simples de laboratório podem se tornar difíceis em ambientes não controlados.
Eles também observaram que capacidades modulares podem ser mais fáceis de certificar do que sistemas de propósito geral cujo comportamento muda de formas menos previsíveis. Essa observação favorece a abordagem focada da Embodied AI, mas não elimina o trabalho de certificação.
A empresa precisa documentar como seus robôs detectam incerteza, solicitam ajuda, limitam forças e devolvem o controle após uma intervenção. Os clientes também perguntarão quem assume a responsabilidade quando um operador, modelo ou componente mecânico comete um erro.
A teleoperação é, portanto, tanto o recurso mais pragmático da startup quanto seu risco de escala mais visível. Ela pode reduzir hoje a lacuna de autonomia, mas a economia do negócio depende da rapidez com que essa lacuna diminui.
O Financiamento da Embodied AI Entra em uma Corrida Industrial Concorrida
A Embodied AI concorre ao mesmo tempo com fornecedores consolidados de automação, startups de robótica flexível e desenvolvedores de IA de propósito geral.
O adversário imediato da empresa não é um único fabricante de humanoides. É a combinação existente de robôs industriais, integradores de sistemas, maquinário especializado e trabalho humano.
Fornecedores convencionais de automação oferecem hardware maduro, redes de serviço e processos de segurança consolidados. Seus sistemas já realizam soldagem, montagem, embalagem, inspeção e movimentação de materiais em alto volume.
Integradores de sistemas entendem cada planta e podem combinar hardware de vários fornecedores. Esse relacionamento com o cliente se torna uma forte vantagem quando uma startup propõe uma nova plataforma.
A Embodied AI precisa mostrar que seu sistema de aprendizado reduz o esforço de implantação o suficiente para compensar os riscos de comprar de uma empresa jovem. Também precisa fornecer manutenção, peças de reposição, atualizações e suporte durante toda a vida útil dos equipamentos industriais.
Outras startups estão buscando oportunidades semelhantes com limites técnicos diferentes. Algumas se concentram em software de IA que funciona com braços robóticos existentes. Outras constroem máquinas completas, mãos dextras ou plataformas humanoides.
A Mbodi AI, por exemplo, promove o ensino de robôs industriais por linguagem natural e discutiu implantações por meio de uma parceria com a ABB. Sua proposta também se concentra em reprogramar robôs mais rapidamente quando os requisitos de produção mudam.
A Mimic Robotics, outra empresa suíça, está desenvolvendo inteligência incorporada para uso industrial. Ela divulgou uma rodada de financiamento maior em 2025, sinalizando o interesse de investidores pela mesma lacuna de automação flexível.
Essas empresas não vendem necessariamente produtos idênticos. Sua presença mostra que os fabricantes terão várias rotas para avaliar, incluindo a modernização de equipamentos existentes, a compra de novas células especializadas ou a adoção de robôs verticalmente integrados.
A diferenciação da Embodied AI se baseia em três elementos trabalhando em conjunto. Ela usa hardware proprietário flexível, treina modelos menores e focados em tarefas e recorre à assistência humana remota diante da incerteza.
A integração vertical pode melhorar a coordenação entre essas camadas. A equipe pode projetar o hardware em torno das limitações do modelo e coletar dados adequados ao seu próprio sistema de controle.
A mesma integração aumenta o risco de execução. A produção de hardware consome capital, a implantação junto a clientes consome tempo de engenharia e um serviço de teleoperação cria custos operacionais contínuos.
Um desenvolvedor de software pode atualizar um modelo em toda uma frota de máquinas compatíveis. A Embodied AI também precisa gerenciar revisões mecânicas, cadeias de suprimentos, calibração, reparos e instalação específica para cada local.
Sua localização pode oferecer uma vantagem prática. Estar próxima de clientes europeus pode encurtar o ciclo de feedback das implantações e gerar confiança em torno de dados sensíveis de produção.
A seleção da empresa para um acelerador do Google DeepMind e sua participação no programa Inception da NVIDIA proporcionam acesso a redes técnicas. Isso não constitui validação do desempenho em produção nem da economia para clientes.
O apoio anterior oferece outro ponto de referência útil. Registros da Venture Kick mostram que a empresa, anteriormente associada ao nome Helix Robotics, recebeu CHF 150.000 em 2025. Seu perfil de startup também registra a venda de um produto mínimo viável inicial ao MIT em 2024.
A nova rodada representa uma transição da comercialização de pesquisa para a implantação em fábricas. Ainda assim, seu tamanho não divulgado dificulta avaliar quanta capacidade de fabricação ou margem de operação comercial a empresa garantiu.
Essa opacidade também dificulta comparações com rivais mais bem capitalizados. Investidores podem aceitar uma implantação gradual, mas clientes industriais precisam confiar que um fornecedor continuará disponível durante toda a vida útil do equipamento.
O posicionamento prático da Embodied AI é crível porque ela aborda diretamente esses clientes. A próxima etapa precisa substituir alegações amplas por instalações identificadas, dados operacionais e decisões de renovação.
Os Três Sinais Que Testarão a Estratégia para Fábricas
Evidências de clientes, queda nas taxas de intervenção e implantações repetíveis determinarão se a empresa construiu uma plataforma ou uma coleção de projetos-piloto.
O primeiro sinal é uma implantação detalhada junto a um cliente. A Embodied AI afirma que está trabalhando com grandes fabricantes europeus, mas não os nomeou publicamente.
Um estudo de caso útil identificaria a tarefa, o ambiente de produção, o período de implantação, a disponibilidade, o tempo de ciclo e o fluxo de trabalho anterior. Também explicaria com que frequência as pessoas intervêm e como o sistema se comporta durante falhas.
Um logotipo ou anúncio de projeto-piloto ofereceria menos evidência. Programas de robótica industrial podem permanecer em avaliação por longos períodos sem se expandir entre unidades.
Um contrato de produção que cubra células adicionais teria mais peso. Ele mostraria que um cliente encontrou valor suficiente na primeira instalação para aceitar uma exposição operacional mais ampla.
O segundo sinal é a curva de intervenção. O ciclo virtuoso da Embodied AI depende de correções humanas melhorarem o comportamento automatizado.
A empresa não precisa eliminar imediatamente a assistência remota. Ela precisa demonstrar que a operação repetida reduz a quantidade de suporte necessária para uma tarefa estável.
Uma taxa de intervenção em queda reforçaria o argumento a favor do aprendizado específico para tarefas. Indicaria que os dados de fábrica criam uma vantagem cumulativa e melhoram a economia de implantação.
Uma taxa estável ou crescente enfraqueceria essa alegação. Poderia significar que o ambiente produz novos casos extremos mais rapidamente do que o sistema aprende, ou que as correções não se transferem entre locais.
O terceiro sinal é a reutilização da implantação. A Embodied AI precisa mostrar que o conhecimento de uma fábrica encurta a próxima instalação.
Essa reutilização pode aparecer por meio de um modelo transferido entre tarefas semelhantes, hardware compartilhado entre aplicações ou um processo de integração padronizado que reduza o tempo de engenharia.
Sem reutilização, a receita poderia continuar vinculada a projetos personalizados. Esses projetos podem resolver problemas valiosos, mas escalam de forma diferente de uma plataforma de robótica repetível.
Investidores também devem acompanhar a contratação e a capacidade de produção. A empresa planeja recrutar pesquisadores, engenheiros e líderes comerciais em Lausanne e Roma, enquanto aumenta a produção de robôs.
Expandir todas essas funções simultaneamente pode sobrecarregar uma organização jovem. Defeitos de hardware ou componentes atrasados podem retardar implantações mesmo quando o sistema de IA apresenta bom desempenho.
Fabricantes devem observar a documentação de segurança, os acordos de serviço e os controles de dados. Esses detalhes revelam se o produto está avançando além de um teste de engenharia.
Os desenvolvedores devem acompanhar se a Embodied AI divulga resultados que separem os benefícios do hardware das melhorias do modelo. Mecanismos flexíveis, teleoperação e software de aprendizado afetam o desempenho.
Uma avaliação clara ajudaria os clientes a entender qual camada resolve um problema e o que acontece quando as condições mudam. Também tornaria as alegações técnicas mais fáceis de comparar com sistemas alternativos.
O anúncio de financiamento da Embodied AI é relevante porque apoia uma rota deliberadamente restrita para a IA física. A empresa quer aprender dentro das fábricas, recuperar-se por meio de pessoas e ampliar a autonomia uma tarefa de cada vez.
Essa abordagem evita fingir que já existe um robô universal para fábricas. Também cria exigências rigorosas de comprovação em torno de segurança, economia e operações de frota.
Para equipes que avaliam IA industrial, a pergunta certa não é se o robô parece inteligente em uma demonstração. Pergunte com que frequência ele precisa de ajuda, quão rapidamente se recupera e se sua segunda implantação é mais fácil do que a primeira.
Acompanhe esses três sinais nos próximos meses. Se clientes identificados ampliarem as instalações enquanto as taxas de intervenção caem, a estratégia prática da Embodied AI ganhará credibilidade. Se os pilotos permanecerem anônimos e o suporte de mão de obra continuar constante, o financiamento terá bancado um experimento interessante, e não uma força de trabalho robótica escalável.
