Perceptron nevű startupot két korábbi Meta-kutató alapította, és a cég célja, hogy a mesterséges látást a digitális környezetből a fizikai világba vigye. A vállalatot Armen Aghajanyan és Akshat Shrivastava alapította 2024 novemberében; a csapat tagjai korábban a Meta Fundamental AI Research (FAIR) részlegén dolgoztak.
Ez a hét hozta el a cég legújabb modelljét, Isaac 0.5-öt, amelyet úgy írnak le, hogy képes „észlelni, gondolkodni és cselekedni” ipari környezetekben. A szoftver célja, hogy látással vezérelt robotok számára segítse a navigációt és a feladatvégrehajtást összetett terepeken, például raktárakban vagy gyártósorok mentén. Emellett lehetővé teszi a vizuális információ kinyerését a robotok által rögzített felvételekből.
Isaac 0.5 nyílt súlyokkal (open-weight) kerül kiadásra, tehát a modell paraméterei és a tanításhoz használt anyagok bárki számára ellenőrizhetőek.
A startup nemrég 21 millió dollár finanszírozást szerzett egy körben, amelyet a Bessemer Venture Partners vezetett. A cég alapítói szerint az általuk fejlesztett rendszer az ipari automatizálás jövőjét képviseli. Szerintük a jelenlegi fizikai AI két szélsőség között kénytelen választani: általános alapmodellek, amelyek minden példányhoz több felhő GPU-t igényelnek, vagy szűk, csak észlelésre vagy vezérlésre optimalizált modellek. Perceptron állítása szerint ők egy köztes, többfeladatos megközelítést kínálnak.
A modell egyik fontos jellemzője a rugalmasság: nem egyetlen, ismétlődő feladatra optimalizálták, hanem úgy tervezték, hogy alkalmazkodni tudjon a környezethez és a konkrét helyzetekhez. Shrivastava egy interjúban a dobozrendezés példájával világította meg a problémát: egy csomagok szétválogatására küldött robotnak többféle lépést kell megoldania — címkeolvasás, térbeli elemzés, a feladatok sorrendjének tervezése —, és a Perceptron szoftvere ezekben az egyes lépésekben segítene.
Miből tanul a modell?
Az Isaac 0.5 működéséhez hatalmas mennyiségű videótréning adatra volt szükség. A vállalat közlése szerint a modellt körülbelül egymillió óra általános videóval etették, hogy felismerje a különböző beállításokat, vizuális elemeket és helyzeteket. Emellett jelentős szerepet játszik az úgynevezett ego video — személy perspektívájából, például viselhető kamerával vagy GoPro-val rögzített felvételek — és az UMI videó, amelyek ismétlődő emberi mozdulatok rögzítésével tanítják a mozgásokat.
Perceptron nem hozta nyilvánosságra a konkrét forrásokat, de Shrivastava elmondta, hogy a cég „belsőleg épített petabájtos adatállományokat, amelyek multimodálisak — képek, szöveg, videó és robotikai pályák egyaránt”.
Piaci lehetőségek és alkalmazási területek
A vállalat szerint egy olyan szoftver hasznossága, amely képes robotokat megbízhatóan működtetni raktárakban és gyártósorokon, óriási. Perceptron tervezi, hogy különféle beszállítóknak kínálja megoldását, és így integrálódhat széles iparági környezetekbe, többek között a gyártás, logisztika és raktározás, biztonság, mobilitás, valamint média és szórakoztatás területén.
„Ilyen még nincs igazán a piacon” — mondta Armen Aghajanyan. A cég alapítói izgatottak a technológia iránt, és azt remélik, hogy termékük széles körben használható intelligenciaszintként jelenik majd meg az ipari automatizálásban.
Mikor és mit jelent ez a gyakorlatban?
A startup 2024 novemberében alakult, Isaac 0.5 ezen a héten jelent meg, és a cég már befektetést is szerzett a további fejlesztésekhez. A termék nyílt súlyú kiadása lehetőséget ad kutatóknak és ipari szereplőknek, hogy megvizsgálják a modellt és a tanításhoz használt anyagokat, miközben a vállalat üzleti partnereket keres a technológia bevezetéséhez.
