ทันเอไอ

Pesquisa usa RAG e MCP para ajudar IA a programar e depurar robôs da ABB

Pesquisadores propõem fluxo em que LLMs geram código ABB RAPID a partir de linguagem natural e corrigem erros automaticamente via software de simulação.

Um novo artigo no arXiv (2608.21417) propõe o uso de Language Models para auxiliar na programação de robôs industriais da ABB, com o objetivo de reduzir o tempo que as fábricas gastam reprogramando sistemas durante trocas de produtos, lotes ou processos na linha de produção.

O sistema recebe descrições de tarefas em linguagem natural e gera código em ABB RAPID, a linguagem de programação de robôs da ABB. O ponto central é que o modelo não depende apenas de seu conhecimento interno: ele utiliza Retrieval-Augmented Generation (RAG) em duas vias, consultando documentações técnicas validadas e templates de produção para alinhar o código às especificações do sistema.

Outro componente é um MCP Server personalizado, que conecta o cliente do modelo de linguagem diretamente ao ABB RobotStudio. Assim, o sistema consegue enviar o código, acionar a simulação e receber diagnósticos de erro para que o modelo refine o programa iterativamente. Isso cria um ciclo de feedback contínuo entre escrita e teste, em vez de parar na primeira geração do código.

Os pesquisadores apontam que a simulação ajuda a detectar falhas de execução que análises estáticas ou semânticas não identificariam, como alturas inadequadas de liberação de peças e posições inalcançáveis pelo braço robótico.

A avaliação envolveu um conjunto de testes de recuperação com 30 consultas e testes de geração de código em escopo delimitado. No entanto, os dados disponíveis ainda não trazem métricas detalhadas de taxa de sucesso, dificultando conclusões sobre a prontidão do método para diferentes fábricas ou tipos de robôs. O artigo é uma versão preliminar (arXiv v1) e foi aceito para apresentação na conferência CIE53 na Khalifa University, em Abu Dhabi, em outubro de 2026.