Physical Intelligence apresenta π0.7, primeiro modelo robótico com generalização composicional
Robô recombinou habilidades aprendidas separadamente para cozinhar batatas em airfryer com apenas dois exemplos de treino; taxa de sucesso subiu de 5% para 95%.
Pontos principais
- Primeiro modelo a exibir sinais de generalização composicional em robótica
- Cozinhou batatas-doces em airfryer com apenas 2 exemplos de treinamento
- Taxa de sucesso subiu de 5% para 95% após 30 minutos de ajuste de instruções
- Transferência zero-shot entre robôs: dobrou roupas sem dados de treinamento para isso
- Physical Intelligence está avaliada em US$5 bilhões, com mais de US$1 bilhão captado
A Physical Intelligence, startup de robótica de São Francisco avaliada em US$5 bilhões, apresentou o π0.7, modelo fundacional que exibe os primeiros sinais de generalização composicional — a capacidade de recombinar habilidades aprendidas separadamente para executar tarefas inéditas.
Em um teste com airfryer, o robô cozinhou batatas-doces com apenas dois exemplos de treinamento com o aparelho. A taxa de sucesso subiu de 5% para 95% após pesquisadores passarem 30 minutos refinando as instruções em linguagem natural. O cofundador Sergey Levine comparou o fenômeno às capacidades emergentes observadas nos primeiros LLMs.
Comentários
Carregando comentários...