„Physical Intelligence“ teigia, kad naujausias VLA modelis gali padvigubinti roboto pralaidumą. Šaltinis: Fizinis intelektas
Nors „ChatGPT“ ir kiti generuojantys AI varikliai gali daryti išvadas iš viso žiniatinklio, robotams reikia realaus pasaulio duomenų ir pagrindų modelių, kad jie galėtų peržengti deterministinį programavimą ir įgyti naujų įgūdžių. Fizinis intelektas praėjusią savaitę surinko 600 mln.
San Fransiske įsikūrusi įmonė planuoja panaudoti finansavimą, kad surinktų daugiau duomenų, užmegztų strategines partnerystes ir padidintų savo komandą. 2024 m. įkurta „Physical Intelligence“ prieš metus surinko 400 mln.
Fizinis intelektas siekia greitesnių ir patikimesnių robotų
Naudodami pagrindinius modelius AI kūrėjai stengiasi, kad robotai galėtų lengviau mokytis iš įvairių įvesties duomenų ir greičiau apibendrinti elgesį su mažesniu duomenų kiekiu nei ankstesni mokymosi sustiprinimo (RL) metodai. Tai turi įtakos roboto veikimui nestruktūrizuotose aplinkose, nuo mažmeninės prekybos parduotuvių iki namų ūkių.
„Įprasta darbo eiga prasideda, kai kūrėjas perduoda RGB-D kameros vaizdus iš bet kurio roboto į „Physical Intelligence“ vykdymo laiką“, – paaiškino Sacra.com. „Sistema sujungia šį vaizdo srautą kartu su roboto judėjimo istorija ir pateikia jį 3–5 milijardų parametrų transformatoriaus modeliui. Vartotojai gali pateikti aiškios kalbos tikslus, pvz., „pagaminti baltą“ arba „supakuoti šokoladą į šią dėžutę“.
Modeliui reikia maždaug 100 ms, kad būtų galima numatyti kitus 50 žingsnių, o aparatinės įrangos abstrakcijos sluoksnis paverčia žetonus į specifines roboto jungtines komandas, laikantis jėgos ir greičio apribojimų saugumo sumetimais.
Vasario mėnesį „Physical Intelligence“ sukūrė atvirojo kodo kodą ir svorius savo π0 arba Pi0 robotikos algoritmams. Anksčiau šį mėnesį bendrovė paskelbė vizijos-kalbos-veiksmo (VLA) modelio 0.6 versiją.
Startuolis naudojo RECAP (RL with Experience & Corrections via Advantage-condicated Policies) metodą, kad apmokytų robotą demonstravimo būdu, mokytų jį taisant ir tobulėtų iš savarankiškos patirties.
„Physical Intelligence“ teigė, kad tai padvigubino tokių užduočių, kaip filtro įdėjimas į espreso kavos aparatą, anksčiau nematytų skalbinių lankstymas ar kartoninės dėžutės surinkimas, pralaidumą. Tai taip pat sumažino gedimų skaičių per darbo valandas ir pasirodė esąs pranašesnis už vien mokymąsi imituojant, teigė bendrovė.
Abėcėlė pirmauja B serijoje, nes AI varžybos tęsiasi
„CapitalG“, „Alphabet“ augimo fondas, kartu su „Lux Capital“ vadovavo „Physical Intelligence“ serijos B etapui. Taip pat dalyvavo Bond, Redpoint ir Sequoia Capital.
„Fizinio intelekto požiūrį transformuoja jų požiūris į visuotinai įkūnytą AI: jie kuria vieną bendrą intelektą, kuris pasireiškia bet kokia fizine forma, kad išspręstų bet kokią realaus pasaulio problemą“, – rašė Jill Greenberg Chase ir Manmeet Gujral, „CapitalG“ partneriai.
Tarp ankstesnių ir sugrįžusių investuotojų yra Jeffas Bezosas, „Amazon“ vykdomasis pirmininkas. Taip pat prisidėjo OpenAI, Redpoint Ventures, T. Rowe Price ir Thrive Capital. „Bloomberg“ duomenimis, fizinis intelektas iki šiol iš viso surinko 1,1 milijardo dolerių ir šiuo metu vertinamas apie 5,6 milijardo dolerių.
Vargu ar tik fizinis intelektas pritraukia milijonus žmonių fiziniam AI. Rugsėjo mėnesį „Dyna Robotics“ uždarė 120 mln. USD vertės A serijos etapą, kad sukurtų savo patentuotą pagrindo modelį.
Anksčiau šį mėnesį „Archetype AI“ surinko 35 mln. USD „fiziniams agentams“, o „Foxglove“ surinko 40 mln. USD, kad padidintų savo duomenų platformą robotų kūrėjams.
Kitos įmonės taip pat lenktyniauja, kad gautų duomenis ir sukurtų naujos kartos roboto AI modelius. Pavyzdžiui, fizinio intelekto partneris AgiBot įdiegė savo Real-World stiprinimo mokymosi sistemą bandomajame gamybos etape su Longcheer technologija.
Be to, 1X Technologies naudojo teleoperaciją, kad išmokytų savo NEO humanoidą atlikti namų ruošos darbus. „Skild AI“ teigė, kad kuria bendros paskirties „Skild Brain“.
