Physical Intelligence ha abierto sus últimos modelos fundacionales robóticos para entrenamiento e inferencia a través de la beta de Pi API. Desplegar robots sigue siendo difícil, ya que los desarrolladores deben identificar el caso de uso adecuado, construir hardware apropiado y suministrar modelos lo bastante inteligentes para realizar la tarea. Los modelos de propósito general, como π0 y π0.5, ofrecen una base sólida de conocimiento físico, lo que reduce considerablemente los datos y el esfuerzo necesarios para adaptarlos a nuevas tareas, entornos o robots. Sin embargo, adaptarlos aún requiere infraestructura de ML, cómputo y canalizaciones de datos complejas.
La Pi API elimina gran parte de esa carga. Los usuarios suben datos, lanzan el ajuste fino en una infraestructura que gestiona Physical Intelligence y acceden a los modelos ajustados mediante una puerta de enlace alojada para la inferencia. El modelo más reciente disponible a través de la API ofrece un ajuste fino más eficiente en datos y una capacidad mejorada para los socios; además, como Pi puede actualizar rápidamente los modelos subyacentes, la empresa planea seguir ofreciendo acceso a sus versiones más nuevas y capaces.
Las primeras colaboraciones probaron los modelos en diversas industrias. Actor despliega maquinaria pesada autónoma, y su cargadora de ruedas autónoma recoge material y lo carga en un camión volquete durante un despliegue comercial real, sin operador dentro de la máquina. En estas alianzas, el proceso para mejorar el rendimiento fue constante: recopilar demostraciones, entrenar un modelo, probarlo en el robot y usar los fallos para orientar la siguiente ronda de recopilación de datos. Almond, que fabrica el robot de doble brazo Axol, utilizó la API para producir en cuatro días un modelo que desbarba los separadores empleados en el propio ensamblaje del Axol.
La mayoría de los primeros despliegues, desde Japón hasta Suiza y a lo largo de Estados Unidos, funcionaron con inferencia alojada en la nube. Algunos usuarios encontraron problemas de conectividad de red, lo que puso de manifiesto áreas de mejora. Physical Intelligence afirma que los comentarios de los usos en el mundo real guiarán el desarrollo futuro de sus modelos.
Fuente: Hacker News · Resumido por HeadlinesBriefing