Physische Intelligenz hat das AI-Modell π0.7 enthüllt, das es Robotern ermöglicht, zuvor unvorhergesehene Aufgaben zu erledigen.

Physical Intelligence, ein Robotik-Startup aus San Francisco, hat ein neues KI-Modell namens π0.7 vorgestellt, das es Robotern ermöglicht, Aufgaben zu erledigen, für die sie nicht spezifisch trainiert wurden. Dies stellt einen bedeutenden Schritt in Richtung einer flexibleren Robotikintelligenz dar, die in der Lage ist, sich an unbekannte Situationen anzupassen. Im Gegensatz zu traditionellen Methoden des Robotetrainings, die sich auf eine einzige Aufgabe konzentrieren, kombiniert π0.7 erlernte Fähigkeiten in unterschiedlichen Kontexten, um sie in neuen Herausforderungen anzuwenden, ein Prozess, der als kompositionale Generalisierung bezeichnet wird. Ein interessantes Beispiel war die Verwendung einer Heißluftfritteuse, bei der der Roboter, ohne direkte Trainingsdaten, in der Lage war, eine Süßkartoffel mit Hilfe verbaler Anweisungen eines Menschen zu kochen. Dies deutet darauf hin, dass zukünftige Roboter die Leistung in neuen Umgebungen durch natürliches Coaching verbessern könnten, wodurch die Notwendigkeit kostspieliger Wiederqualifizierungszyklen entfällt. Physical Intelligence hat π0.7 mit früheren robotischen Systemen verglichen und gezeigt, dass das neue Modell deren Leistung in Aufgaben wie der Zubereitung von Kaffee und dem Zusammenbauen von Kartons erreicht hat. Obwohl die Forscher das Fehlen universeller Bewertungsstandards in der Robotik anerkennen, deuten die Ergebnisse auf signifikante Fortschritte hin.

Das Startup hat bereits über 1 Milliarde Dollar gesammelt und diskutiert eine neue Finanzierungsrunde, wobei geschätzt wird, dass es eine Bewertung von fast 11 Milliarden Dollar erreichen wird. Dieses Vertrauen der Investoren spiegelt die Überzeugung wider, dass die Robotik in eine Phase schnellen Fortschritts eintreten könnte, ähnlich der der generativen künstlichen Intelligenz.