РОБОТОТЕХНИКА
Perceptron выпускает модель зрения Isaac 0.5 с открытыми весами для промышленных роботов
Perceptron, стартап в области робототехники и ИИ, основанный бывшими исследователями Meta, выпустил Isaac 0.5, модель зрения с открытыми весами, предназначенную для помощи промышленным роботам в навигации по складам и фабрикам. Компания не раскрыла независимые данные о производительности, источники данных для обучения, а также подробности о задержках, поведении по вопросам безопасности и стоимости интеграции.
Майкл Г ·
Perceptron, стартап в области робототехнического ИИ, основанный в ноябре 2024 года, выпустил Isaac 0.5, модель зрения с открытыми весами, предназначенную для помощи промышленным роботам в интерпретации их окружения внутри заводов и складов. Согласно отчету TechCrunch, компания позиционирует модель как основу для навигации с визуальным управлением и для извлечения структурированной информации из видео робота, а не как готовый продукт, настроенный под конкретную задачу или предприятие. Выпуск обеспечивает доступ для внешней проверки и модификации весов модели, что является отходом от закрытых систем, предпочитаемых многими поставщиками промышленной робототехники, хотя Perceptron не опубликовала техническую статью с результатами независимых измерений на эталонных тестах вместе с релизом.
Персептрон был основан Арменом Агаджаняном и Акшатом Шривставой, которые ранее работали исследователями в Meta AI, где занимались крупномасштабными мультимодальными системами, прежде чем уйти, чтобы основать компанию. Их опыт в области восприятия и мультимодального обучения привлек раннее внимание инвесторов и инженеров-робототехников, которые ищут подходы, способные обобщаться на различные склады и заводские площадки, а не требующие переобучения для каждого нового объекта. Компания сообщала относительно мало о размере своей внутренней команды, клиентской базе или дорожной карте продукта, помимо описания Isaac 0.5 как раннего строительного блока, предназначенного для адаптации внешними инженерами, а не для использования в качестве готовой системы. отчет TechCrunch предоставляет основной публичный учет для этой части счета.
Perceptron утверждает, что Isaac 0.5 предназначен для помощи роботам с визуальным управлением в навигации по складам и фабрикам, а также для извлечения полезной информации из необработанного видео с роботов, например, для идентификации объектов, препятствий или этапов рабочего процесса по мере движения робота по объекту. Такое определение помещает выпуск ПО в более широкое направление в промышленной робототехнике, направленное на сокращение объема индивидуальной инженерной настройки, необходимой для надежной работы робота в незнакомом физическом пространстве. Достигает ли Isaac 0.5 этого на практике в повседневной эксплуатации, а не только в отобранных демонстрационных видеоматериалах, — это отдельный вопрос, на который компания еще не ответила с помощью независимых данных третьих сторон.
Данные для обучения и валидации остаются неясными
Perceptron сообщается, что Isaac 0.5 был обучен на примерно одном миллионе часов общего видео в сочетании с эгоцентрическими записями и видео, снятым с использованием UMI — метода сбора данных, который записывает задачи манипуляции от первого лица с точки зрения оператора-человека. Компания не раскрыла, откуда произошло это видео, какая часть была лицензирована и какая собрана из других источников, а также каким образом отснятый материал фильтровался по качеству, дублированию или безопасности перед обучением. Для модели, предназначенной для контроля физических машин вокруг людей, запасов и оборудования, отсутствие информации о происхождении набора данных является значительным упущением, поскольку предвзятости или пробелы в обучающих материалах могут напрямую превратиться в «слепые зоны» в том, как робот интерпретирует незнакомый проход, освещение или оборудование на фабричной линии.
Собственные материалы Perceptron описывают возможности, а не результаты, измеренные независимо, и компания не публиковала показатели успешности выполнения задач, статистику восстановления после сбоев или прямые сравнения с существующими промышленными системами зрения. Стандартизирующие организации, такие как исследовательская группа NIST по робототехнике, давно утверждают, что претензии к роботическому восприятию необходимо проверять на стандартизированных физических эталонах, а не только на демонстрационных видео, именно потому, что изменения освещения, загромождение, отражающие поверхности и движущиеся рабочие могут ухудшать работу модели зрения таким образом, который контролируемая демонстрация не выявит. До тех пор, пока Isaac 0.5 не будет протестирован на общих бенчмарках или внедрен в значительных масштабах именованным клиентом, утверждения о его способностях к навигации или извлечению информации лучше воспринимать как описание от поставщика, а не подтвержденную производительность. Ограничение эксплуатации также видно в материалах, опубликованных Исследования Meta AI.
Развертывание модели визуального восприятия на движущемся промышленном роботе также вызывает вопросы, на которые компания не дала подробного ответа, включая то, сколько вычислительных ресурсов на борту требует Isaac 0.5 и какую задержку он вносит между кадром с камеры и решением о движении. Статус с открытым весом позволяет внешним инженерам изучать архитектуру модели, но сам по себе он не отвечает на вопрос о том, как модель работает на встроенных GPU или периферийных ускорителях, которые обычно устанавливаются на мобильных складских роботах, а не на облачных серверах, используемых во время разработки и тестирования. Модель, которая хорошо работает на рабочей станции во время оценки, может вести себя иначе после сжатия или квантизации для установки на бортовое оборудование с более строгими ограничениями по энергопотреблению, памяти и температуре, и Perceptron не публиковал данные, описывающие этот переход.
Вопросы безопасности и восстановления после сбоев аналогично не освещены в публичных материалах, выпущенных до настоящего времени. Промышленные роботы, работающие рядом с людьми, обычно требуют документированного поведения в случаях, когда система зрения теряет уверенность, например, замедление, остановка движения или запрос вмешательства человека, и интеграторы захотят знать, как Isaac 0.5 справляется с такими ситуациями, прежде чем подключать его к управлению движением на действующей производственной линии. Стоимость интеграции — еще одна открытая переменная, поскольку адаптация модели зрения с открытыми весами к конкретному шасси робота, камере и планировке объекта обычно требует дополнительной инженерной работы, тестирования и калибровки, что существенно выходит за рамки простого скачивания выпущенных весов. Для институционального контекста, Bessemer Venture Partners объясняет соответствующую систему или стандарт.
Финансовый фон и конкурентная обстановка
Ранее Perceptron привлек шестнадцать миллионов долларов и, как сообщается, находится в процессе закрытия еще одного раунда финансирования, хотя компания не раскрывала сумму или инвесторов, участвующих в этом раунде. Интерес венчурного капитала к промышленная робототехника за последние несколько лет выросло, при этом такие инвестиционные фирмы, как Bessemer Venture Partners, публикуют исследования, отслеживающие автоматизацию и робототехнику как категорию инвестиций, что отражает более широкий интерес инвесторов к компаниям, пытающимся применять масштабные модели ИИ к физическому труду, а не только к программному обеспечению. Этот фон помогает объяснить, почему компания, такая молодая как Perceptron, привлекла внимание, хотя это не заменяет доказательств того, как Isaac 0.5 работает вне контролируемых условий.
Isaac 0.5 входит в область, которая уже включает усилия в области компьютерного зрения и моделей-основ для манипуляции и навигации от признанных поставщиков робототехники и других хорошо финансируемых стартапов, несколько из которых опубликовали свои собственные открытые или частично открытые модели для аналогичных промышленных случаев использования. Решение Perceptron выпустить веса открыто, а не держать модель закрытой, может привлечь интеграторов робототехники, которые хотят изучить или доработать модель для своего оборудования и помещений. Однако только открытость сама по себе не решает основной неопределенности относительно того, как была обучена модель, какие данные она видела и как она работает после переноса из демонстрационной среды в рабочий склад или фабрику.
Perceptron не сообщил, когда или собирается ли он выпускать данные для бенчмарков, технический отчет или тематические исследования, описывающие результаты использования Isaac 0.5 платящими клиентами в производственной среде. Пока инженеры, оценивающие модель для использования на складе или на фабрике, в основном опираются на собственное описание компании объема тренировочных данных и предполагаемых случаев использования, при этом независимая проверка точности навигации, задержек, восстановления после сбоев и поведения с точки зрения безопасности еще впереди. Нерешенный вопрос можно оценить с учетом рекомендаций из Исследования робототехники NIST.
Темы: робототехника, Перцептрон, Isaac 0.5, промышленная робототехника, открытый вес ИИ, модели зрения, автоматизация склада