Physical Intelligence тврди пробив во роботиката со модел што учи задачи без директна обука

Стартапот Physical Intelligence од Сан Франциско објави нови истражувања кои укажуваат дека неговиот најнов модел за роботика може да извршува задачи за кои никогаш директно не бил обучуван, што претставува потенцијален исчекор кон развој на поопшт „роботски мозок“.

Моделот наречен π0.7, според компанијата, претставува рана верзија на систем кој може да комбинира претходно научени вештини и да ги применува во сосема нови ситуации. Истражувачите велат дека токму оваа способност за таканаречена композициска генерализација е клучниот чекор што го разликува од досегашните роботски системи, кои најчесто се ограничени на строго дефинирани задачи.

Во демонстрациите, системот успеал да се справи со уреди и предмети што речиси не биле дел од неговите податоци за обука, вклучувајќи и фритеза со топол воздух. Иако бил изложен само на минимални примери од слични ситуации, моделот успеал да ги поврзе информациите и да изведе функционални чекори, дури и без претходна инструкција во некои случаи.

Истражувачите од Physical Intelligence истакнуваат дека уште поинтересна е можноста системот да се подобрува преку објаснувања во реално време. Со други зборови, наместо повторно тренирање на моделот, човек може да го води роботот со едноставни вербални инструкции, слично како обука на нов вработен. Тоа отвора потенцијал за побрзо прилагодување на роботи во непознати средини.

Сепак, научниците нагласуваат дека системот сè уште има значајни ограничувања. Тој не може автономно да извршува сложени повеќестепени задачи само со една команда, туку бара детално насочување. Дополнително, дел од резултатите зависат од начинот на кој задачите се формулираат, што укажува дека таканареченото „инженерство на инструкции“ игра голема улога во неговата ефикасност.

Компанијата признава дека споредбата со постојните роботски системи е тешка, бидејќи недостасуваат унифицирани индустриски стандарди за тестирање. Наместо тоа, π0.7 бил споредуван со претходни интерни модели и покажал подобри или еднакви резултати во задачи како подготовка на кафе, пакување и едноставно ракување со предмети.

Истражувачите велат дека најзначајниот аспект од резултатите не е само тоа што роботот успева да изврши нови задачи, туку и фактот дека однесувањето на моделот понекогаш ги изненадува самите креатори, што укажува на посложени форми на учење отколку што првично се очекувало.

Иако компанијата моментално се воздржува од давање конкретни рокови за комерцијална примена, инвеститорскиот интерес за технологијата е значителен. Physical Intelligence досега има собрано над една милијарда долари инвестиции и е проценета на околу 5,6 милијарди долари, додека нов инвестициски круг би можел да ја зголеми вредноста на околу 11 милијарди долари.

Со ова истражување, компанијата се позиционира во центарот на нов бран развој во роботиката, каде фокусот се префрла од строго специјализирани машини кон системи кои можат пофлексибилно да учат и да се адаптираат на реалниот свет.