Perceptron представив Isaac 0.5 для промислових роботів

Стартап колишніх дослідників Meta випустив open-weight модель Isaac 0.5 для складів і виробництва та обіцяє гнучкішу автоматизацію.

Perceptron, стартап двох колишніх науковців Meta, представив модель Isaac 0.5, яку розробники описують як інструмент для роботи роботів у фізичному світі. Ідеться про системи, що мають не лише “бачити” середовище, а й орієнтуватися в ньому та діяти в промислових умовах. Для бізнесу це може означати ще один крок до гнучкішої автоматизації складів, фабрик і логістики. Водночас компанія робить ставку на підхід, який відрізняється від вузькоспеціалізованих рішень, уже присутніх на ринку.

Isaac 0.5 створили для навігації та дій у промислових сценаріях

Цього тижня Perceptron запустив Isaac 0.5 — модель, яку створили для того, щоб машини могли “perceive, reason and act” у промислових сценаріях. За словами розробників, вона має допомагати vision-guided роботам рухатися складними просторами на кшталт складів або виробничих майданчиків.

Окремо програмне забезпечення дає змогу компаніям отримувати visual intelligence з відео, записаного такими роботами. Тобто модель не лише обробляє зображення, а й допомагає перетворювати відеодані на практичні висновки для роботи систем.

Perceptron також випускає Isaac 0.5 як open-weight model. Це означає, що параметри моделі та матеріали навчання може переглянути будь-хто.

Perceptron заснували двоє колишніх дослідників Meta

Perceptron заснували Armen Aghajanyan і Akshat Shrivastava, які раніше працювали в Meta Fundamental AI Research (FAIR), дослідницькому підрозділі компанії. Стартап з’явився у листопаді 2024 року.

Нещодавно Perceptron залучив $21 млн у раунді фінансування, який очолила Bessemer Venture Partners. У компанії вважають, що їхнє програмне забезпечення може стати основою для майбутнього промислового автоматизованого розгортання.

Розробники також наголошують, що бачать свій продукт більш універсальним порівняно з наявними моделями в цій сфері. Як пишуть Новини IT-PUB, у Perceptron вважають, що багато рішень або потребують кількох окремих cloud GPU для кожного екземпляра, або добре справляються лише з однією функцією — сприйняттям чи керуванням, але не з обома одночасно.

Модель навчали на відео, але джерела даних не розкривають

Isaac 0.5 навчається на великих обсягах відеоданих. У Perceptron кажуть, що модель отримала мільйон годин general video, щоб навчитися розпізнавати конкретні середовища, візуальні елементи та сценарії.

Крім цього, компанія активно використовувала ego video — відео, записане з перспективи людини, яка виконує фізичне завдання, зазвичай через GoPro або носиму камеру. Також застосовували UMI video, які допомагають навчати ШІ повторюваним людським рухам.

Втім, Perceptron не розкриває джерела своїх навчальних даних. Shrivastava лише зазначив, що компанія внутрішньо створила petabyte-scale datasets, які охоплюють різні модальності: зображення, текст, відео та роботизовані траєкторії.

Perceptron робить ставку на багатокрокові завдання на складах

У компанії вважають, що потенціал такого ПЗ особливо великий у складах, де роботам потрібно виконувати багато послідовних дій. У наведеному Perceptron прикладі йдеться про просте на перший погляд завдання — сортування посилок. Але навіть воно вимагає кількох кроків: прочитати етикетку, оцінити простір, зрозуміти, який саме короб потрібно взяти, і спланувати послідовність рухів.

Саме в таких процесах Perceptron бачить свою нішу. Компанія каже, що її софт має допомагати роботам проходити кожен етап цього ланцюжка гнучко, залежно від конкретного середовища або ситуації.

Розробники визнають, що софт, здатний виконувати більшість подібних завдань, на ринку вже є. Але, за їхніми словами, небагато програм створені так, щоб працювати саме гнучко, а не під одну повторювану операцію.

Компанія націлюється не лише на склади та заводи

Perceptron планує продавати своє ПЗ різним вендорам, а отже потенційно інтегрувати його як інтелектуальний шар у широкий набір індустрій. Серед них компанія називає manufacturing, logistics and warehousing, security, mobility, а також media and entertainment.

Тобто мова не лише про склади чи заводи, а про ширший ринок, де роботизовані системи та комп’ютерний зір можуть стати частиною повсякденних процесів. Якщо заявлені можливості Isaac 0.5 справді вдасться масштабувати, це може посилити конкуренцію в сегменті industrial AI.

Але сама компанія поки говорить про перспективу, а не про масове впровадження. І хоча Perceptron заявляє, що “nothing like this really exists out there”, доводити це їй ще доведеться в реальних промислових сценаріях.