Φυσική Νοημοσύνη και pi-zero
Το Physical Intelligence (συχνά με το σύμβολο pi) είναι μια νεοφυής επιχείρηση από το Σαν Φρανσίσκο που κατασκευάζει τεχνητή νοημοσύνη γενικής χρήσης για ρομπότ και το pi-zero είναι το κορυφαίο μοντέλο όρασης-γλώσσας-δράσης.
Επισκόπηση
It matters because pi-zero shows a single model can fold laundry, bus tables, and assemble boxes across different robots, moving toward a universal robot control policy.
Βαθιά κατάδυση
Ιδρύθηκε το 2024 από ερευνητές όπως οι Karol Hausman, Sergey Levine, Brian Ichter και Chelsea Finn, η Physical Intelligence (συχνά γράφεται ως το ελληνικό γράμμα pi) συγκέντρωσε περίπου 400 εκατομμύρια δολάρια σε αποτίμηση περίπου 2 δισεκατομμυρίων δολαρίων από υποστηρικτές όπως οι Jeff Bezos, __AIU_10_TE και Luxury. Το πρώτο του μοντέλο, το pi-zero, είναι ένα μοντέλο δράσης με γλώσσα όρασης (VLA) που λαμβάνει εικόνες κάμερας και οδηγίες σε φυσική γλώσσα και εξάγει συνεχείς εντολές κινητήρα ρομπότ. Εκπαιδευμένος σε δεδομένα από πολλές πλατφόρμες και εργασίες ρομπότ, το pi-zero επέδειξε επιδέξιες, πραγματικές δουλειές, με πιο διάσημο το δίπλωμα ρούχων από στεγνωτήριο, καθώς και το καθάρισμα τραπεζιών, το ισοπέδωμα κουτιών και τα αντικείμενα που σακούλωναν. Ο στόχος της εταιρείας είναι πρώτα το λογισμικό: ένα μοντέλο θεμελίωσης που φέρνει ευέλικτη, γενική φυσική νοημοσύνη σε διάφορα ρομπότ και όχι μία ειδική δεξιότητα ανά μηχανή.
Τεχνική διορατικότητα
Το pi-zero βασίζεται σε ένα προεκπαιδευμένο μοντέλο γλώσσας όρασης και προσθέτει έναν «ειδικό» δράσης που παρέχει συνεχή έλεγχο μέσω αντιστοίχισης ροής, μια τεχνική παρόμοια με τη διάχυση που δημιουργεί ομαλές τροχιές κινητήρα υψηλής συχνότητας (περίπου 50 Hz). Αυτό επιτρέπει στο μοντέλο να χειρίζεται τις λεπτές, γρήγορες ρυθμίσεις που απαιτούν επιδέξιες εργασίες όπως το δίπλωμα των ρούχων. Κληρονομώντας την ευρεία σημασιολογική κατανόηση από τη ραχοκοκαλιά του VLM και βελτιστοποιώντας τα δεδομένα ρομπότ πολλαπλής ενσωμάτωσης, το pi-zero ακολουθεί γλωσσικές οδηγίες ενώ γενικεύει τις δεξιότητες σε διαφορετικούς βραχίονες και εργασίες ρομπότ.
Στρατηγικός αντίκτυπος
Στρατηγική προμηθευτή
Οι χάρτες πορείας προμηθευτών επηρεάζουν τα χαρακτηριστικά που μπορεί να δημιουργήσει η ομάδα σας στη συνέχεια.
Κόστος και προϋπολογισμός
Οι εμπορικοί όροι και οι επιλογές ανάπτυξης επηρεάζουν το μακροπρόθεσμο κόστος και τον κίνδυνο.
Κίνδυνος και ασφάλεια
Τα κίνητρα της εταιρείας διαμορφώνουν τις προεπιλογές προϊόντων, τη στάση ασφαλείας και τη διαφάνεια.
Το μέλλον της φυσικής νοημοσύνης και pi-zero
Η Physical Intelligence επιδιώκει ολοένα και πιο γενικά μοντέλα (διαδόχους και ανοιχτές εκδόσεις όπως παραλλαγές pi-zero) που ακολουθούν οδηγίες ανοιχτού τύπου και αλυσίδες μακροπρόθεσμων εργασιών. Περιμένετε καλύτερη αξιοπιστία σε νέα αντικείμενα, ταχύτερη προσαρμογή σε νέα ρομπότ και συλλογισμό που συνδέει τον γλωσσικό σχεδιασμό με τον έλεγχο χαμηλού επιπέδου. Η κεντρική πρόκληση παραμένει η συλλογή αρκετά διαφορετικών, υψηλής ποιότητας δεδομένων χειραγώγησης πραγματικού κόσμου. Εάν πετύχει, ένας «εγκέφαλος ρομπότ» με δυνατότητα λήψης θα μπορούσε να γίνει τυπική υποδομή για τη βιομηχανία της ρομποτικής.
Υλοποίηση σε πραγματικό κόσμο
Ένα ρομπότ με δύο χέρια χρησιμοποιεί το pi-zero για να πάρει τσαλακωμένα ρούχα από ένα στεγνωτήριο και να τα διπλώσει τακτοποιημένα σε ένα τραπέζι.
Ένα ρομπότ εστιατορίου ταξιδεύει με λεωφορεία, καθαρίζοντας πιάτα και σκουπίδια, ακολουθώντας μια οδηγία φυσικής γλώσσας.
Ένα ρομπότ αποθήκης ισοπεδώνει τα χαρτόκουτα και τις σακούλες με είδη παντοπωλείου χρησιμοποιώντας την ίδια γενική πολιτική.
Τα εργαστήρια ρομποτικής τελειοποιούν το pi-zero στο δικό τους χέρι για να εκκινήσουν νέες δεξιότητες χειρισμού χωρίς να εκπαιδεύσουν ένα μοντέλο από την αρχή.
Κίνδυνοι & προστατευτικά κιγκλιδώματα
Οι ανακοινώσεις κυκλοφορίας ενδέχεται να ξεπεράσουν τη σταθερότητα στις πραγματικές ροές εργασιών παραγωγής.
Η τιμολόγηση API ή οι αλλαγές πολιτικής μπορούν να σπάσουν τις υποθέσεις από τη μια μέρα στην άλλη.
Η εξάρτηση από έναν προμηθευτή αυξάνει το κόστος κλειδώματος και μετεγκατάστασης.
Οδικός Χάρτης Εφαρμογής
Αξιολογήστε τους παρόχους χρησιμοποιώντας τις δικές σας εργασίες και σύνολα δεδομένων.
Ελέγξτε το απόρρητο, την ασφάλεια και τους νομικούς όρους πριν από την ενσωμάτωση.
Διατηρήστε ένα εναλλακτικό σχέδιο σε μοντέλα ή προμηθευτές.
Παρακολουθήστε τις σημειώσεις έκδοσης, ώστε οι αλλαγές στον οδικό χάρτη να μην εκπλήσσουν τις ομάδες.
Συνεχίστε την εξερεύνηση
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Physical Intelligence and pi-zero quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Επόμενος οδηγός
Apple Intelligence
Συχνές ερωτήσεις
What is Physical Intelligence and pi-zero?
Το Physical Intelligence (συχνά με το σύμβολο pi) είναι μια νεοφυής επιχείρηση από το Σαν Φρανσίσκο που κατασκευάζει τεχνητή νοημοσύνη γενικής χρήσης για ρομπότ και το pi-zero είναι το κορυφαίο μοντέλο όρασης-γλώσσας-δράσης. Έχει σημασία γιατί το pi-zero δείχνει ότι ένα μεμονωμένο μοντέλο μπορεί να διπλώσει ρούχα, τραπέζια λεωφορείων και να συναρμολογήσει κουτιά σε διαφορετικά ρομπότ, προχωρώντας προς μια καθολική πολιτική ελέγχου ρομπότ.
Τι τύπος μοντέλου είναι το pi-zero;
Το pi-zero είναι ένα μοντέλο δράσης όρασης-γλώσσας: παίρνει εικόνες και μια οδηγία γλώσσας και εξάγει εντολές κινητήρα ρομπότ.
Ποια επιδέξιη οικιακή δουλειά έγινε το πιο διάσημο demo του pi-zero;
Το pi-zero έδειξε ιδιαίτερα πτυσσόμενα ρούχα που τραβήχτηκαν από στεγνωτήριο, μια σκληρή, επιδέξια εργασία χειρισμού.
Ποια τεχνική χρησιμοποιεί το pi-zero για να δημιουργήσει ομαλές συνεχείς ενέργειες ρομπότ;
Το pi-zero χρησιμοποιεί αντιστοίχιση ροής, μια προσέγγιση παρόμοια με τη διάχυση, για την παραγωγή ομαλών τροχιών συνεχούς κινητήρα υψηλής συχνότητας.
Σε ποια ραχοκοκαλιά βασίζεται το pi-zero για την κατανόηση οδηγιών και σκηνών;
Το pi-zero είναι χτισμένο σε ένα προεκπαιδευμένο μοντέλο γλώσσας όρασης και στη συνέχεια επαυξάνεται με έναν ειδικό σε ενέργειες για έλεγχο.
Ποιες από αυτές τις εταιρείες/επενδυτές υποστήριξαν τη Φυσική Νοημοσύνη;
Η χρηματοδότηση της Physical Intelligence περιελάμβανε OpenAI, μαζί με τους Jeff Bezos, Thrive και Lux Capital.