研究 综合自 2 个来源

具身智能突破:机器人自学从未见过的任务

要点

  • π0.7能泛化处理从未被明确训练的任务
  • 开源3D重建模型实现实时空间感知
  • 物理智能完成4亿美元融资估值达7亿美元
  • 开发者无需在功能强大与易用间取舍
  • 两项技术结合解决机器人领域长期权衡问题
参考来源 (2)
  1. [1] Physical Intelligence展示π0.7机器人泛化能力 — TechCrunch AI
  2. [2] 开源模型让机器人边看边3D重建世界 — 量子位 QbitAI

长期以来,机器人开发者面临一个两难选择:要么构建功能强大但仅限于特定任务的机器,要么构建灵活但能力有限的系统。物理智能的π0.7打破了这个困局。

这家旧金山初创公司演示了其新模型执行从未遇到过的物理任务。一个能够自主推理、在没有针对每个场景进行明确编程的情况下灵活应变的机器——这正是机器人领域长期存在的悖论。在最近的演示中配备π0.7的机器人能够适应中途遇到的新环境和物体,从训练数据中泛化出处理能力。

这一能力与最近开源3D场景重建模型的突破相结合,变得更加强大。具身AI社区发布了一个能够在机器人持续观察环境的同时进行实时3D重建的模型——被社区形象地称为赋予机器人「白眼」(火影忍者中能360度观察的瞳术),显著提升了空间感知能力。

π0.7与3D重建模型共同解决了开发者长期认为不可避免的权衡问题。物理智能最近完成4亿美元融资,估值达7亿美元,明确表示这只是迈向通用机器人智能漫长征途的早期一步。但这是第一次,开发者可以同时获得强大的泛化能力与精确的空间感知,而无需在二者之间做出取舍。

π0.7展现出从未被明确训练过的任务处理能力,结合开源3D感知技术,机器人开发者不再需要权衡功能强大与易于使用。

0:00