Do que se trata

O gargalo da robótica humanoide não é mais o hardware. Entre 2023 e 2026 tornaram-se acessíveis as plataformas humanoides funcionais, os braços de pesquisa e os kits de teleoperação abertos. O que não dá para comprar é o dataset: para que uma política aprenda uma tarefa de manipulação com robustez são necessárias da ordem de centenas a milhares de demonstrações, com variação de iluminação, posição dos objetos, distratores e operadores. Cada demonstração é produzida por uma pessoa; depois alguém revisa, recorta, sincroniza, rotula, marca se foi sucesso ou fracasso e por quê, e documenta. Esse trabalho de produção, curadoria, anotação e controle de qualidade é o insumo escasso de toda a indústria. Como referência pública, o esforço colaborativo Open X-Embodiment (2023) reuniu dados de dezenas de laboratórios para chegar à ordem de grandeza de um milhão de trajetórias sobre mais de vinte corpos diferentes: pouco diante dos trilhões de tokens usados para treinar um modelo de linguagem.

A cadeia de produção de dados robóticos tem cinco estações: desenho de protocolo, teleoperação e gravação, curadoria e anotação, treinamento e avaliação. Este curso prepara você para as quatro últimas, com foco prático em curadoria, treinamento e avaliação. São nove módulos, cada um com uma aula escrita a fundo, uma prática guiada passo a passo, materiais com código completo e comentado, e uma avaliação com respostas explicadas. Você começa executando seu primeiro humanoide simulado no Google Colab; abre o modelo de um humanoide comercial no MuJoCo e faz o inventário de juntas, atuadores e sensores; grava 30 episódios de demonstração com um teleoperador sintético aplicando um protocolo escrito por você; carrega, audita e anota um dataset público real com o LeRobot; limpa, normaliza e aumenta dados com critério físico; treina uma política de behavior cloning e mede sua taxa de sucesso; entra em aprendizado por reforço e no problema de sim-to-real; estuda os modelos visão-linguagem-ação; e fecha com um projeto final completo.

O curso inteiro é concluído em simulação, sem robô físico: MuJoCo e Gymnasium para simulação, Hugging Face LeRobot para o formato de dataset e as políticas, PyTorch para o treinamento e datasets públicos do Hub, tudo rodando no Google Colab gratuito ou em qualquer notebook com Python. Ao terminar o Módulo 9 você leva três artefatos concretos: um dataset documentado, com protocolo de gravação, guia de anotação versionado e estatísticas de conteúdo; uma política treinada, com curva de treinamento, hiperparâmetros registrados e comparação contra uma linha de base; e um relatório de avaliação reproduzível, com taxa de sucesso sobre N execuções, detalhamento dos modos de falha, ablações e uma seção honesta de limitações. É exatamente o que uma equipe pede num teste técnico.

Para quem é

Programadores com Python básico que querem entrar em IA aplicada ao mundo físico sem voltar para a faculdade.
Analistas e anotadores de dados que já trabalham com rotulagem e querem subir para uma especialidade multimodal escassa.
Estudantes e recém-formados de engenharia, mecatrônica, computação ou física que precisam de um portfólio concreto e verificável.
Profissionais de controle, automação ou visão computacional que querem migrar para aprendizado por imitação e políticas neurais.
Pessoas no Brasil e na América Latina que buscam uma especialidade técnica remota e deslocalizável, e preferem um diagnóstico honesto do mercado a uma promessa.
Professores e pesquisadores que querem montar uma linha de trabalho em IA incorporada sem orçamento de hardware.
Não é para quem procura um curso de mecânica ou de construção de robôs, para quem espera garantia de contratação, nem para quem não estiver disposto a escrever código.

Requisitos

Python básico: variáveis, listas, dicionários, laços, funções e saber instalar pacotes com pip. Se você consegue ler e modificar um script de 40 linhas, está pronto.
Noções mínimas de NumPy (arrays, shapes, indexação). Se não tiver, o Módulo 1 entrega o mínimo necessário.
Conta Google para usar o Google Colab na versão gratuita. Não precisa de GPU própria.
Leitura de inglês técnico em nível de documentação: o material do curso é em português, mas as bibliotecas e os datasets são documentados em inglês.
Não é necessário robô físico, GPU, experiência prévia em robótica, ROS nem conhecimento de aprendizado de máquina: tudo isso é construído dentro do curso.

Programa

IA incorporada: por que os dados são o gargaloO que distingue um sistema incorporado de um modelo de linguagem, por que a indústria apostou na forma humanoide e onde está o trabalho contratável; você roda seu primeiro humanoide simulado no Colab.
Anatomia de um humanoide: atuadores, sensores e computaçãoAtuadores, propriocepção, IMU, câmeras RGB-D e tato; você abre o modelo de um humanoide comercial no MuJoCo e faz o inventário do hardware sem tocá-lo.
Teleoperação: como se produz uma demonstraçãoVR, líder-seguidor, captura de movimento e ensino cinestésico; você escreve um protocolo reproduzível e grava 30 episódios com um teleoperador sintético.
Dados multimodais: episódios, sincronização e anotaçãoHierarquia dataset-episódio-frame, formatos LeRobot, RLDS e rosbag2, sincronização temporal e o esquema de anotação que a indústria paga.
Limpeza, normalização e aumentação de dados robóticosDetecção de outliers de sensor, preenchimento de lacunas, normalização por dimensão sem vazamento de informação e aumentação com critério físico.
Aprendizado por imitação: clonagem de comportamento, DAgger e políticas de difusãoDa linha de base mais simples às arquiteturas que a indústria usa hoje; você treina uma política e mede sua taxa de sucesso real.
Aprendizado por reforço e sim-to-realQuando o reforço supera a imitação, como desenhar uma recompensa que não possa ser explorada e o que é preciso para sair da simulação e chegar ao robô.
Modelos VLA, carreira remota e ética do trabalho com dadosModelos visão-linguagem-ação, os papéis que realmente existem, como é um portfólio contratável a partir da América Latina e as responsabilidades éticas do ofício.
Projeto final: treinar, avaliar e documentar como um laboratórioVocê coleta o dataset, treina a política, avalia com ablações e intervalos de confiança e publica a documentação no padrão de um laboratório real.

O que está incluído

9 módulos completos, cada um com aula a fundo, prática guiada passo a passo, materiais e avaliação com respostas explicadas.
9 videoaulas acompanhando cada módulo, com demonstração em tela do código rodando.
Código completo e comentado em Python: simulação, gravação de demonstrações, auditoria de datasets, limpeza e normalização, treinamento de políticas por imitação e avaliação com intervalos de confiança.
Modelos profissionais prontos para usar: protocolo de teleoperação, ficha de configuração de sensores, guia de anotação versionado, esquema de metadados de episódio, modelo de relatório de avaliação e datasheet de dataset.
Notebooks do Colab pré-configurados, com dependências fixadas por versão para que nenhuma prática quebre por causa de uma atualização de biblioteca.
Guia de portfólio e teste técnico: como publicar seus três artefatos e como defender suas decisões de curadoria.
Projeto final guiado que produz os três artefatos de portfólio: dataset documentado, política treinada e relatório de avaliação reproduzível.
Certificado de conclusão da Digital Economy Lab.
Acesso à comunidade privada do curso com suporte do autor.
Atualizações gratuitas por 12 meses e acesso vitalício ao conteúdo.

Perguntas frequentes

Preciso de um robô ou de algum hardware para fazer o curso?

Não. O curso inteiro é feito em simulação com MuJoCo, Gymnasium e datasets públicos, e tudo roda no Google Colab na versão gratuita. Você não precisa de robô, GPU própria nem placa de vídeo dedicada. Se mais adiante trabalhar com hardware real, a parte difícil, o critério de qualidade dos dados, você já vai ter.

Este curso garante emprego ou uma renda específica?

Não, e desconfie de quem prometer isso. Nenhum curso pode garantir contratação. O que este curso entrega é o conjunto de habilidades do ofício e três artefatos de portfólio verificáveis: um dataset documentado, uma política treinada e um relatório de avaliação reproduzível. É isso que se avalia num teste técnico.

Que nível de Python eu preciso ter?

Básico. Variáveis, listas, dicionários, laços, funções e saber instalar pacotes com pip. Se você consegue ler e modificar um script de 40 linhas, consegue fazer o curso. Não precisa de experiência prévia em robótica, ROS ou aprendizado de máquina: tudo isso é construído dentro.

Quanto tempo preciso para concluir?

O acesso é vitalício e o ritmo é seu. Com uma dedicação de 4 a 6 horas por semana, os nove módulos e o projeto final foram pensados para 6 a 9 semanas. Quem já tem base de aprendizado de máquina costuma ir bem mais rápido.

É um curso de programação de robôs ou de construção de robôs?

Nenhum dos dois. É um curso sobre o trabalho de dados que torna possível um robô aprender: como se produzem as demonstrações, como se curam e anotam, como se treina uma política com elas e como se avalia com rigor. Não se solda, não se imprime em 3D e não se faz cabeamento.

Em que idioma está o material e preciso de inglês?

Todo o material do curso, aulas, práticas, código comentado, modelos e vídeos, está em português. Você precisa de leitura de inglês técnico em nível de documentação, porque as bibliotecas (MuJoCo, LeRobot, PyTorch) e os datasets públicos são documentados em inglês. Não é necessário falar inglês.

Como funcionam a garantia e o reembolso?

Você tem 7 dias a partir da compra para pedir o reembolso diretamente na sua conta Hotmart. É incondicional: devolvemos 100% sem perguntas. A Hotmart gerencia o processo, não é preciso escrever para ninguém.

O conteúdo é atualizado?

Sim. Inclui atualizações gratuitas por 12 meses. Mudam as versões das bibliotecas, surgem novos formatos de dataset e o panorama da indústria se move; quando o material é revisado, você recebe a versão nova sem custo. Todos os números de mercado do curso estão datados como estimativas de 2026, para você saber o que verificar.

Nota honesta

Não vamos dizer que você vai pilotar robôs de casa, nem que ao terminar haverá um emprego esperando por você: nenhum curso pode garantir contratação ou renda. O que é verdade e verificável é que o trabalho de dados (teleoperação, curadoria, anotação, treinamento e avaliação de políticas) é o insumo escasso da indústria, que é executado em grande parte diante de um computador e é deslocalizável, e que pode ser aprendido inteiro em simulação sem gastar com hardware. Os dados de mercado, preços de plataformas e faixas de remuneração que aparecem no curso estão marcados como estimativas na data de edição (2026): este setor muda a cada trimestre, verifique antes de tomar decisões. O que você leva não é um diploma, é evidência: um dataset documentado, uma política treinada e um relatório de avaliação reproduzível.

Treinador de Robôs Humanoides — Dados e IA Incorporada

Preço, parcelamento e formas de pagamento aparecem no checkout da Hotmart.

Quero me inscrever Outros cursos