⚡️Экс-сотрудники Google создали первый "GPT для роботов" - теперь они могут понимать человеческие команды и ловко выполнять бытовые задачи. Экс-сотрудники Google, создавшие компанию Physical Intelligence (π.com!) сделали большой прорыв в области робототехники и ИИ - модель π0 (пи-ноль). Несмотря на впечатляющие достижения ИИ в таких областях как игра в шахматы или генерация изображений, роботы до сих пор значительно уступают людям в выполнении простых физических задач: - Сложно научить робота складывать одежду или убирать со стола - это требует решения сложнейших инженерных задач - Современные роботы узкоспециализированы и могут выполнять только заранее запрограммированные повторяющиеся действия Что такое π0? - Это универсальная базовая модель для роботов - Может управлять различными типами роботов - Понимает текстовые инструкции - Работает с изображениями, текстом и физическими действиями - Обучена на разнообразном наборе данных от 8 различных роботов Ключевые возможности: - Модель использует предварительное обучение на основе интернет-данных (как языковые модели) - Имеет новую архитектуру, позволяющую выдавать команды управления с частотой до 50 раз в секунду - Может быть дообучена для специализированных задач - Наследует семантическое понимание из предварительного обучения на интернет-данных Модель успешно справляется со сложными задачами: - Складывание белья (включая извлечение из сушилки и аккуратное складывание в стопку) - Уборка со стола (сортировка посуды и мусора) - Сборка картонных коробок - Может адаптироваться к неожиданным ситуациям и вмешательству человека - Превосходит другие модели (OpenVLA и Octo) в тестовых заданиях; - Показывает в 2 раза лучшие результаты по сравнению с уменьшенной версией модели - Может выполнять более сложные многоэтапные задачи, в то время как предыдущие модели ограничивались простыми одноэтапными действиями Это только первый шаг к созданию по-настоящему универсальных роботов. Эта работа важна тем, что может привести к появлению роботов, которые смогут выполнять разнообразные задачи в реальном мире, просто получая инструкции на естественном языке, подобно тому, как сейчас работают языковые модели.