アーカイブ — US — techcrunch
ロボティクススタートアップのPhysical Intelligence、未学習のタスクを理解できる新しいロボット脳を発表
物理インテリジェンスというロボティクスのスタートアップ企業が、最新モデルであるπ0.7が、明示的に訓練されていないタスクを実行できることを明らかにしました。このモデルは、異なる文脈からスキルを総合的に学習することで、構成的汎用性と呼ばれる能力を持っています。この能力は、言語モデルの進化と同様に、ロボティクスAIの大幅な飛躍をもたらす可能性があり、新しい環境でのリアルタイムな学習が可能になるかもしれません。
要点
- 物理知能のモデル、π0.7は、限られたトレーニングデータからの知識を統合することができる構成一般化を示しています。
- そのモデルは、以前の経験が最小限であるエアフライヤーを成功裏に操作し、段階的な口頭の指示を使用しました。
- 研究者たちは、モデルが離れたトレーニングエピソードから一般化する能力に驚き、単なる暗記からの大きな転換を示しています。
- 複雑なタスクを高レベルのコマンドから実行するようなモデルの限界や、検証のための標準化されたロボティクスのベンチマークの欠如など、懸念が残っています。
- チームは、エアフライヤーの実験で見られるように、プロンプトエンジニアリングの改善が成果に大きな影響を与えることを認めています。
- 物理知能は10億ドル以上の資金調達を行い、投資家の熱狂により急速に評価額が上昇しています。
なぜ重要か
- π0.7の進化は、ロボティクスやAI分野における広く学習し、フライ時に適応できるモデルへの傾向の一部となる可能性があります。これは、言語モデルに見られる傾向と同様に、AIが従来の特化したモデルから汎用性のあるシステムへの移行を示唆しています。
- 歴史的には、AIは特化型モデルを通じて発展してきました。このことは、新しい文脈に適応する汎用システムへの潜在的な転換を表しています。
- 汎用AI能力の獲得は、汎化とリアルタイム適応性を融合した技術ソリューションに関する持続的な関心と投資を反映しています。
- ロボティクスにおける汎化への関心は、自律走行車やスマートホーム技術などの分野での進展と並行しています。
物理的知能のπ0.7は、これまでのモデルでは見られなかった一般化の程度を可能にするため、ロボティクスの分野で画期的な進展を示しています。これにより、人工知能とロボティクスの将来の進歩が見込まれますが、検証や実用展開の課題も残っています。