引言：旧金山机器人初创公司Physical Intelligence发布新型机器人大脑π0.7，其突破性在于能通过组合已学技能，自主执行从未训练过的任务，如操作空气炸锅等。这一”组合泛化”能力打破了传统机器人”死记硬背”的训练模式，标志着通用机器人大脑研发的重要进展。若经检验属实，可能预示机器人人工智能正迎来类似大型语言模型的能力拐点，其成长速度或将超越数据量的线性限制，为行业带来颠覆性影响。
Physical Intelligence，这家成立两年的旧金山机器人初创公司，已成为湾区最受关注的人工智能企业之一。该公司周四发布新研究，展示其最新模型π0.7能引导机器人执行从未明确训练过的任务，这一能力连公司研究人员都感到意外。π0.7标志着该公司朝着通用机器人大脑目标迈出的早期但重要一步，这种大脑能通过简单语言指导完成陌生任务。若这些发现经得起检验，可能预示着机器人人工智能正接近类似大型语言模型的拐点，能力增长速度将超越基础数据所能预测的范围。
该研究的核心主张是组合泛化能力，即在不同情境中学到的技能组合起来解决模型从未遇到过的问题。目前机器人训练的标准方法本质上是死记硬背——针对特定任务收集数据，训练专用模型，然后重复这一过程。Physical Intelligence表示，π0.7打破了这一模式。公司联合创始人兼加州大学伯克利分校教授Sergey Levine指出，一旦模型跨越从仅执行训练数据到重新组合技能的门槛，其能力增长将超过数据量的线性增长，这种更优的扩展特性在语言和视觉领域也曾出现。
论文中最引人注目的演示涉及一个模型在训练中几乎从未见过的空气炸锅。研究团队调查后发现，整个训练数据集中只有两个相关片段：一个片段中不同机器人只是推上了炸锅门，另一个来自开源数据集，展示另一个机器人在指令下将塑料瓶放入炸锅。模型不知如何将这些片段与基于网络的预训练数据融合，形成了对电器工作原理的功能性理解。这种能力的突破性在于机器人能够将零散知识整合成连贯的解决方案，而非仅依赖预设程序。
声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：sales@idmakers.cn删除，任何个人或组织，需要转载可以自行与原作者联系。
