Feagine Robotics представила Fi0, базовую ИИ-модель для роботов, которая должна сохранять знания о задачах при смене аппаратной платформы. Вместе с ней компания показала три сухожильно-приводных мягких манипулятора с разной морфологией. На них Feagine проверяет перенос навыков между роботами с разной физической конструкцией.
Fi0 учитывает не только задачу, но и форму самого робота. В модель подают язык, изображение, демонстрации, состояние окружения и структурированное описание робота, а в техническом описании отдельно упомянуты механика, сенсоры, приводы и текущее состояние платформы. Feagine называет такую схему Embodiment Graph.
По замыслу компании, демонстрация человека может использоваться как контекст во время выполнения новой задачи, без очередного цикла дообучения. В примере Feagine описывает перенос объекта из одной точки в другую: модели важно извлечь не точную траекторию руки, а сами объекты, последовательность действий, контактные события и нужный конечный результат. После этого робот должен выполнить то же задание своим способом.
Компания использовала мягкие манипуляторы, чтобы сделать задачу сложнее. У таких устройств форма меняется во время работы, а значит, системе приходится учитывать не только движение, но и саму конфигурацию руки. Feagine называет это направление soft embodied intelligence.
Feagine пишет, что такие разные тела помогают проверять идею Fi0: задача может оставаться прежней, даже если физический способ её выполнения меняется. Для этого модель строит представление о морфологии робота и текущем состоянии, а также пытается понимать среду и предсказывать последствия действий.
Компания считает, что этот подход нужен для задач, где обычная стандартизация уже не помогает. В разных средах могут пригодиться разные типы машин: жёсткие манипуляторы для точной сборки, мягкие для деликатного контакта, специализированные системы для тесных пространств и отдельные платформы для опасных условий. Feagine делает ставку на общую интеллектуальную прослойку, которую можно переносить между ними.
Fi0 описывается как система, которая должна удерживать знания о задачах при смене робота и уменьшать объём переобучения при столкновении с новым заданием. Компания подчёркивает, что модель ориентирована на перенос между воплощениями, а не на обучение отдельной политики для каждой машины.
Feagine также указывает, что в архитектуре есть компоненты для работы с изображениями с разных камер, описания конкретного воплощения и прогнозирования результатов действий. В такой схеме робот получает не только команду, но и контекст того, как устроено его тело и что произойдёт после выбранного действия.
Fi0 остаётся ранней системой, и компания пока показывает её как экспериментальную платформу.