A Physical Intelligence afirma que seu mais recente modelo VLA pode dobrar o rendimento do robô. Fonte: Inteligência Física
Embora o ChatGPT e outros mecanismos generativos de IA possam tirar conclusões de toda a Web, os robôs exigem dados do mundo real e modelos básicos para transcender uma programação mais determinística e aprender novas habilidades. A Physical Intelligence arrecadou na semana passada US$ 600 milhões em financiamento da Série B, à medida que continua a desenvolver modelos para robôs compreenderem e interagirem com o mundo material.
A empresa sediada em São Francisco planeia utilizar o financiamento para recolher mais dados, fazer parcerias estratégicas e aumentar a sua equipa. Fundada em 2024, a Physical Intelligence arrecadou US$ 400 milhões há um ano.
A Inteligência Física visa robôs mais rápidos e confiáveis
Com modelos básicos, os desenvolvedores de IA estão trabalhando para tornar mais fácil para os robôs aprenderem a partir de uma variedade de entradas e generalizarem comportamentos mais rapidamente com quantidades menores de dados do que as abordagens anteriores de aprendizagem por reforço (RL). Isto tem implicações para o desempenho do robô em ambientes não estruturados, desde lojas de varejo até residências.
“Um fluxo de trabalho típico começa quando um desenvolvedor transmite imagens de câmera RGB-D de qualquer robô para o tempo de execução da Inteligência Física”, explicado Sacra. com. “O sistema simboliza esse fluxo visual junto com o histórico de movimento do robô e o alimenta em um modelo de transformador de 3 bilhões a 5 bilhões de parâmetros. Os usuários podem fornecer objetivos em linguagem simples, como ‘fazer um flat white’ ou ‘embalar chocolates nesta caixa’.”
O modelo leva cerca de 100 ms para prever os próximos 50 passos, e uma camada de abstração de hardware converte os tokens em comandos conjuntos específicos do robô, dentro dos limites de força e velocidade para segurança, acrescentou.
Em fevereiro, a Physical Intelligence tornou o código e os pesos de seus algoritmos robóticos π0 ou Pi0 de código aberto. No início deste mês, a empresa anunciado Versão 0.6 do modelo visão-linguagem-ação (VLA).
A startup usou a abordagem RECAP (RL com experiência e correções por meio de políticas condicionadas por vantagens) para treinar um robô por demonstração, orientá-lo por meio de correções e melhorar a partir da experiência autônoma.
A Physical Intelligence disse que isso dobrou o rendimento em tarefas como inserir um filtro em uma máquina de café expresso, dobrar roupas nunca antes vistas ou montar uma caixa de papelão. Também diminuiu as taxas de falhas ao longo das horas de operação e provou ser superior apenas ao aprendizado por imitação, afirmou a empresa.
Alphabet lidera a Série B enquanto a competição de IA continua
CapitalG, fundo de crescimento da Alphabet, liderou a rodada Série B da Physical Intelligence com Lux Capital. Bond, Redpoint e Sequoia Capital também participaram.
“O que torna a abordagem da Inteligência Física transformadora é a sua abordagem à IA universalmente incorporada: eles estão construindo uma única inteligência generalista que se manifesta em qualquer forma física para resolver qualquer problema do mundo real”, escreveu Jill Greenberg Chase e Manmeet Gujral, sócios da CapitalG.
Investidores anteriores e recorrentes incluem Jeff Bezos, presidente executivo da Amazon. OpenAI, Redpoint Ventures, T. Rowe Price e Thrive Capital também contribuíram. Inteligência Física levantou um total de US$ 1,1 bilhão até o momento e atualmente está avaliado em cerca de US$ 5,6 bilhões, de acordo com Bloomberg.
A Inteligência Física não é a única a conseguir que milhões de pessoas busquem a IA física. Em setembro, a Dyna Robotics fechou uma rodada Série A de US$ 120 milhões para desenvolver seu modelo de base proprietário.
No início deste mês, Archetype AI criado US$ 35 milhões para “agentes físicos” e a Foxglove levantou US$ 40 milhões para dimensionar sua plataforma de dados para desenvolvedores de robôs.
Outras empresas também estão correndo para obter os dados e construir modelos para a IA de robôs da próxima geração. Por exemplo, Inteligência Física parceiro A AgiBot implantou seu sistema de aprendizagem por reforço do mundo real em um piloto de fabricação com a Longcheer Technology.
Além disso, a 1X Technologies tem usado a teleoperação para treinar seu humanóide NEO para realizar tarefas domésticas. Skild AI disse que está desenvolvendo um Skild Brain de uso geral.