A startup de Inteligência Física desenvolveu o modelo π0,7, capaz de realizar tarefas com as quais quase nunca se deparou. Em particular, ele conseguiu usar uma fritadeira que não conhecia.
A Physical Intelligence, uma startup de robótica com sede em São Francisco, acaba de publicar um estudo que pode marcar uma virada no campo da inteligência artificial integrada em robôs. Seu novo modelo, denominado π0,7, seria capaz de realizar tarefas com as quais quase nunca foi confrontado. Com explicações verbais e algumas sequências de seu banco de dados, a modelo teria conseguido utilizar uma fritadeira com a qual quase não estava familiarizada.
π0,7, um modelo revolucionário?
Atualmente, os robôs contam com milhões de horas de vídeos e informações para realizar uma tarefa muito específica. Mas o modelo π0,7 poderia abalar este modo de operação. Na verdade, a startup Physical Intelligence teria conseguido desenvolver um robô capaz de realizar tarefas para as quais não foi explicitamente treinado. Em outras palavras, tarefas que ele nunca enfrentou antesou pouco.
O modelo π0,7 teria a capacidade de combinar dados e competências adquiridas em diferentes contextos para resolver um problema novo para ele. Sergey Levine, cofundador da Physical Intelligence, explica que o modelo teria sucesso na coleta de dados e “ remixá-los de uma nova maneira », o que marcaria uma viragem no desenvolvimento da inteligência artificial integrada em robôs. Para compreender totalmente este modo de funcionamento, devemos falar sobre o teste da fritadeira realizado pela Inteligência Física.
O teste da fritadeira
Embora alguns robôs consigam realizar um backflip, a maioria deles tem grande dificuldade em realizar o backflip. tarefas diáriascomo amarrar sapatos ou tirar a máquina de lavar louça. O desafio é físico (posicionar-se com precisão num espaço, reproduzir os movimentos de uma mão, etc.), mas também logístico, dado que existe uma infinidade de objetos e dispositivos que requerem um manuseamento específico e, portanto, conhecimentos específicos. Por exemplo, é possível ensinar um robô a usar uma fritadeira específica, mas ele não terá capacidade para usar todas as fritadeiras do mercado.
É precisamente diante desta situação, complexa para um robô, que o modelo π0,7 foi confrontado: este último foi colocado de frente para uma fritadeira de ar que ele quase nunca tinha visto. Os investigadores identificaram apenas duas sequências relevantes para passar neste teste no seu conjunto de dados de treino: uma em que um robô fechou a fritadeira e a outra, a partir de um conjunto de dados de código aberto, onde outro robô colocou uma garrafa de plástico. Basta dizer que estas duas sequências não permitem aprender de A a Z como utilizar a fritadeira em questão.
Ainda assim, o robô teria conseguido usar o dispositivo de forma aceitável para cozinhar uma batata-doce, com base nas duas sequências mencionadas anteriormente e nos dados de pré-treinamento da web. Lucy Shi, pesquisadora de inteligência física e estudante de doutorado em ciência da computação em Stanford, explica que “ é muito difícil determinar a origem do conhecimento » mobilizados pelo modelo.
É importante esclarecer um ponto: π0,7 recebeu instruções verbais durante todo o teste. Portanto, não foi deixado por conta própria, mas isso significaria que o robô poderia ser melhorado em tempo real, sem nova coleta de dados adicionais ou retreinamento do modelo. Lucy Shi relata outra experiência com esta fritadeira de ar comprimido. Inicialmente, o robô, até certo ponto deixado por conta própria, alcançou uma taxa de sucesso de 5% no uso do dispositivo. Em segundo lugar, os pesquisadores passaram meia hora explicando a tarefa ao modelo. A taxa de sucesso teria então aumentado para 95%.
Se esses testes impressionam, ainda resta saber se a startup não está exagerando um pouco no desempenho de π0,7, como costuma acontecer no setor de inteligência artificial. De acordo com a mídia americana TechCruncha Physical Intelligence está atualmente negociando uma nova arrecadação de fundos que elevaria sua avaliação para US$ 11 bilhões, quase o dobro de seu valor atual. Em todos os casos, o progresso neste campo é deslumbrante. Recentemente, pudemos descobrir um robô humanóide vendido a “preços baixos” ou mesmo um Toyota CUE7, um robô de basquete que aprende a driblar e arremessar… sozinho.
👉🏻 Acompanhe notícias de tecnologia em tempo real: adicione 01net às suas fontes no Google e assine nosso canal no WhatsApp.
Fonte :
TechCrunch