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.
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.
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:
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.