从边沿人到要害拼图 ，韩鹏飞在成都蓉城实现了逆袭
机械人 AI 领域或正迎来类似大语言模子的能力跃迁时刻。总部位于旧金山的机械人首创公司 Physical Intelligence 周四宣布最新研究 ，称其新模子 π 0.7 能够指挥机械人完成从未经由专项训练的使命——这一能力甚至令公司自身研究职员感应意外。该公司团结首创人、加州大学伯克利分校教授 Sergey Levine 体现 ，这标记着机械人 AI 正在从 " 死记硬背 " 走向 " 闻一知十 " ，其能力提升速率将逾越训练数据规模的线性增添。这一突破若获得外部验证 ，将对机械人行业的商业化路径爆发深远影响——机械人有望在无需特殊数据收罗或模子重训练的条件下 ，被安排至全新情形并实时优化。与此同时 ，据报道 Physical Intelligence 正就新一轮融资举行洽谈 ，估值或从 56 亿美元靠近翻倍至 110 亿美元。 焦点突破：从 " 专项影象 " 到 " 组合泛化 "Physical Intelligence 建设仅两年 ，此次宣布的 π 0.7 模子所展示的焦点能力被研究职员称为 " 组合泛化 "（compositional generalization）——即将在差别场景下习得的手艺加以组合 ，从而解决模子从未遇到过的新问题。这与此前机械人训练的主流范式截然差别。已往的标准做法实质上是 " 死记硬背 "：针对每一项详细使命网络数据、训练专项模子 ，再对下一项使命重复这一流程。π 0.7 突破了这一模式。Levine 将这一转变类比于大语言模子领域曾泛起的能力跃迁：" 一旦跨越谁人临界点 ，从只能完成有数据支持的使命 ，转变为能够以新方法重新组合手艺 ，能力提升的速率就会凌驾数据量增添的线性比例。这种更有利的扩展特征 ，我们此前已在语言和视觉领域视察到过。" 要害演示：空气炸锅实验展现 " 知识涌现 "此次研究中最具说服力的演示 ，来自一台模子险些从未在训练中见过的空气炸锅。研究团队事后排查发明 ，整个训练数据集中仅有两条相关纪录：一条是另一台机械人将空气炸锅推关 ，另一条来自开源数据集 ，纪录了一台机械人按指令将塑料瓶放入其中。然而 ，π 0.7 将这两段碎片化信息与更普遍的网络预训练数据加以整合 ，形成了对该装备运作方法的功效性明确。在零提醒的情形下 ，模子实验用空气炸锅烹饪红薯 ，取得了基本可接受的效果；在获得逐步语言指引后 ，使命执行乐成。Physical Intelligence 研究员、斯坦福大学盘算机科学博士生 Lucy Shi 形貌了一个早期实验的戏剧性转变：初始乐成率仅为 5% ，但在破费约半小时优化对使命的形貌方法后 ，乐成率跃升至 95%。" 有时间失败不在机械人 ，也不在模子 ，而在于我们自己——提醒词工程做得不敷好 ，" 她说。研究科学家 Ashwin Balakrishna 则体现 ，已往他总能凭证训练数据预判模子的能力界线 ，" 但已往几个月是我第一次真正感应惊讶。我随手买了一套齿轮 ，问机械人能不可转动它 ，它就直接做到了。" 局限性：研究职员自动划定界线研究团队对模子的局限性坚持坦诚。π 0.7 现在尚无法从简单高层指令出发 ，自主完成重大的多办法使命。" 你不可对它说 ' 去给我做片吐司 ' ，"Levine 说 ，" 但若是你一步步指导它—— ' 关于烤面包机 ，翻开这个部分 ，按谁人按钮 ，做这个 ' ——它通常能做得很好。"别的 ，机械人领域现在缺乏标准化基准测试 ，使得外部验证保存相当难度。Physical Intelligence 选择将 π 0.7 与自家此前的专项模子举行比照 ，效果显示这一通用模子在制作咖啡、折叠衣物、组装箱子等重大使命上抵达了专项模子的水准。论文自己在语言上也坚持审慎 ，将 π 0.7 形貌为展现出泛化能力的 " 早期迹象 " 和 " 起源演示 "。当被直接追问基于上述研究的系统何时能够现实安排时 ，Levine 拒绝给出展望：" 我以为有充分理由坚持乐观 ，希望速率也比我两年前预期的要快。但这个问题我很难回覆。" 资源押注：估值或翻倍至 110 亿美元Physical Intelligence 迄今已累计融资逾 10 亿美元 ，最新估值为 56 亿美元。据报道 ，该公司现在正就新一轮融资举行洽谈 ，估值或靠近翻倍至 110 亿美元。投资者对这家公司的热情 ，在相当水平上源于团结首创人 Lachy Groom 的背书。Groom 此前是硅谷最受认可的天使投资人之一 ，曾投资 Figma、Notion 和 Ramp 等着名公司 ，在决议团结建设 Physical Intelligence 之前 ，他将其视为自己一直在寻找的那家公司。这一配究帐助这家首创公司吸引到了机构资金 ，只管公司始终拒绝向投资者提供商业化时间表。Levine 在谈及外界可能的质疑时 ，自动预判了品评偏向：" 针对任何机械人泛化演示 ，永远可以提出的品评是——使命太无聊了 ，机械人又没在做后空翻。" 他对此提出批驳：真正能够泛化的机械人系统 ，看起来永远不如全心编排的特技演示那般震撼 ，但着适用价值要高得多。