π0.7 от Physical Intelligence учит роботов новым задачам без обучения

Стартап Physical Intelligence показал модель π0.7, которая заставляет роботов делать то, чему их напрямую не учили. Для отрасли это не просто очередной красивый демо-ролик, а попытка переломить старую логику робототехники, где каждый навык обычно приходилось вбивать отдельно, как в плохую память стажёра.

Вместо зубрёжки под один сценарий здесь продают идею генерализации. Робот должен брать куски опыта из разных задач и собирать из них новое поведение, и именно это сегодня выглядит ближе к реальному прогрессу, чем бесконечное наращивание датасетов ради очередного узкого трюка.

Как работает модель π0.7

По словам компании, π0.7 уже показывает ранние признаки того, что робот может переносить навыки между контекстами. В одном из примеров система смогла использовать фритюрницу, хотя в обучающих данных было всего 2 эпизода с этим устройством, а потом по пошаговой инструкции приготовила сладкий картофель. Это важная деталь: модель не стала волшебной, она всё ещё любит подсказки, но уже перестала быть пленницей одного сценария.

Самая неприятная для старой робототехники часть тут в том, что память конкретных задач больше не выглядит единственным путём. Если подход Physical Intelligence действительно масштабируется, индустрии придётся меньше тратить время на ручную подготовку под каждый новый объект, кухню или склад. А это уже бьёт по всей привычной экономике роботизации, где гибкость обычно продавали отдельно и дорого.

Но пока не стоит разгонять маркетинг до космоса. Команда сама признаёт, что робот всё ещё не тянет сложные многошаговые задачи без инструкций, а нормальных метрик для проверки генерализации в робототехнике до сих пор нет. Так что внешняя валидация здесь слабее, чем хотелось бы, и это аккуратное напоминание: в робототехнике демо часто бежит быстрее, чем воспроизводимый результат.

Инвестиции Physical Intelligence

У Physical Intelligence уже более $1 млрд инвестиций, а оценка компании составляет $5,6 млрд. Новый раунд финансирования, по плану, может поднять её до $11 млрд. Это типичная история для сегмента, где деньги пока идут не за выручку, а за обещание стать тем самым универсальным мозгом для железа, которого индустрия ждёт уже слишком долго.

Список текущих задач у модели тоже приземляет ожидания:

• приготовление кофе;
• складывание белья;
• сборка коробок.

Ничего героического, зато именно такие скучные операции обычно и становятся первым настоящим полигоном для роботизации, когда пиар отступает, а бизнес начинает считать, сколько минут и ошибок машина экономит на складе или кухне.

Компания пока не раскрывает сроки коммерциализации. И это, пожалуй, честнее любого бодрого анонса: если π0.7 действительно работает так, как обещают разработчики, дальше начнётся не красивая презентация, а очень прозаичный спор о цене, надёжности и том, сколько реальных рабочих смен робот выдержит без сюрпризов.