Модель π0.7 научила роботов решать задачи без специального обучения

Разработчики из Сан-Франциско отходят от классической дрессировки машин, когда робот просто заучивает конкретный алгоритм под одну задачу. Модель π0.7 работает иначе: она собирает фрагменты данных из разных контекстов. В ходе тестов робот успешно справился с фритюрницей, хотя в его базе было всего два примера работы с этим устройством. Получив пошаговые указания, машина приготовила сладкий картофель, подтвердив способность к быстрой адаптации.

Сооснователь компании и профессор Беркли Сергей Левин сравнивает этот прорыв с развитием больших языковых нейросетей. По его словам, когда модель начинает комбинировать навыки, её возможности растут быстрее, чем объём загружаемых данных. Однако до полной автономности далеко: робот пока не может сам догадаться, как сделать тост, и требует детальных инструкций. При этом система уже справляется с набором бытовых дел — от сборки коробок до сортировки белья.

Проект уже привлёк более 1 млрд долларов инвестиций. Рыночная стоимость Physical Intelligence достигла 5,6 млрд долларов, а следующий раунд финансирования может удвоить эту цифру. Несмотря на финансовый успех и технологический рывок, компания не спешит называть сроки выхода продукта на массовый рынок. Одной из проблем остаётся отсутствие общепринятых метрик, которые позволили бы объективно сравнить успехи «универсального интеллекта» с результатами конкурентов.