Штучний інтелект (ШІ) трансформує все навколо нас, але досі він переважно залишався в межах цифрового світу. Однак все більше стартапів прагнуть перенести його в реальний світ.
Perceptron — це один із таких стартапів, заснований двома колишніми науковими співробітниками Meta. Компанія, заснована в листопаді 2024 року, розробляє передові моделі комп’ютерного зору, які мають допомогти машинам більш компетентно взаємодіяти з фізичним середовищем.
Цього тижня компанія представила свою новітню модель Isaac 0.5, яка, за словами розробників, призначена для надання машинам можливості «сприймати, міркувати та діяти» в промислових умовах. Зокрема, програмне забезпечення здатне допомагати роботам з візуальним керуванням орієнтуватися в складних середовищах, таких як склади чи виробничі цехи. Воно також допомагає компаніям отримувати візуальну інформацію з відео, записаних цими роботами.
Isaac 0.5 також випускається як модель з відкритими параметрами (open-weight), тому її параметри та навчальні матеріали можуть бути перевірені будь-ким.
Стартап був заснований Арменом Агаджаняном та Акшатом Шріваставою, які раніше працювали в Fundamental AI Research (FAIR) компанії Meta, дослідницькому підрозділі зі штучного інтелекту цього технологічного гіганта. Дует розглядає своє програмне забезпечення як майбутнє промислового автоматизованого розгортання.
«Сучасний фізичний ШІ змушує робити хибний вибір: загальні базові моделі, які потребують кількох виділених хмарних GPU для кожного екземпляра, або вузькоспеціалізовані моделі, які керують сприйняттям чи контролем, але ніколи обома функціями одночасно», — зазначає компанія.
Агаджанян і Шрівастава стверджують, що їхній інструмент відрізняється від існуючих моделей на ринку, оскільки він є універсальним, тобто не створений для одного конкретного, повторюваного завдання. Натомість, за їхніми словами, модель розроблена так, щоб бути гнучкою залежно від конкретного середовища (або ситуації), в якій вона перебуває.
В одному з інтерв’ю Шрівастава попросив розглянути, що входить до простого фізичного процесу, такого як сортування коробок: «Уявіть, що зараз розгортається робот для сортування пакунків. Які завдання він повинен буде виконати?»
Таке відносно просте завдання дійсно складається з багатьох кроків. Робот спочатку повинен прочитати етикетку на пакунку, провести просторовий аналіз, щоб зрозуміти, де знаходяться коробки, і вирішити, яку з них взяти. Якщо він бере серію коробок, йому доведеться планувати, які коробки брати і в якому порядку.
Програмне забезпечення Perceptron розроблено, щоб допомогти роботам проходити кожен етап цього процесу. Варто зазначити, що в галузі вже існують програми, які можуть допомогти машинам виконувати більшість цих завдань, але мало програм розроблені для гнучкого виконання.
Звідки беруться дані для цієї алгоритмічної алхімії?
Моделі, такі як Isaac 0.5, навчаються операційним навичкам, поглинаючи величезні обсяги відеоданих для тренування. Perceptron стверджує, що їхня нова модель була навчена на мільйоні годин загального відео, щоб навчити її алгоритм розпізнавати конкретні налаштування, візуальні ефекти та сценарії. Компанія також значною мірою спиралася на так зване его-відео (відео, зняте, як правило, за допомогою GoPro або носимої камери з точки зору людини, яка виконує фізичне завдання), а також на UMI-відео, які аналогічно використовуються для навчання ШІ рухам шляхом запису повторюваних дій людини.
Хоча Perceptron не розкриває джерела своїх навчальних даних, Шрівастава заявив, що компанія «внутрішньо створила набори даних масштабу петабайтів, які охоплюють різні модальності, будь то зображення, текст, відео тощо, аж до траєкторій роботизованих рухів».
Корисність програмного забезпечення, яке може допомогти роботам компетентно працювати на складах, очевидно, величезна, і Perceptron вважає, що він добре позиціонується, щоб очолити цю хвилю автоматизації. Стартап готовий продавати своє програмне забезпечення різним постачальникам, і, таким чином, потенційно бачити свою інтелектуальну прошарок інтегрованою в широкий спектр галузей.
До цих галузей входять виробництво, логістика та складування, безпека, мобільність, а також медіа та розваги.
«Нічого подібного насправді не існує», — сказав Агаджанян. «Ми дуже цим захоплені».
За даними Pitchbook, раніше компанія залучила 16 мільйонів доларів від Bessemer Venture Partners, The Explorer Fund та SmartGateVC у 2024 році. TechCrunch розуміє, що стартап перебуває в процесі закриття додаткового раунду.
У попередній версії цієї статті було неправильно відображено нещодавні деталі фінансування.
Коли ви купуєте за посиланнями в наших статтях, ми можемо отримати невелику комісію. Це не впливає на нашу редакційну незалежність.
Дізнатися більше на: techcrunch.com