Physical Intelligence telah membuka model fondasi robotik terbarunya untuk pelatihan dan inferensi melalui beta Pi API. Menerapkan robot tetap sulit, karena pengembang harus menentukan kasus penggunaan yang tepat, membangun perangkat keras yang sesuai, dan menyediakan model yang cukup cerdas untuk menjalankan tugas. Model serbaguna seperti π0 dan π0.5 menyediakan fondasi pengetahuan fisik yang kuat, sehingga secara signifikan mengurangi data dan upaya yang diperlukan untuk beradaptasi dengan tugas, lingkungan, atau robot baru. Namun, untuk mengadaptasinya tetap diperlukan infrastruktur ML, komputasi, dan jalur data yang kompleks.
Pi API menghilangkan sebagian besar beban tersebut. Pengguna mengunggah data, memulai fine-tuning pada infrastruktur yang dikelola Physical Intelligence, dan mengakses model hasil fine-tuning melalui gerbang inferensi yang dihosting. Model terbaru yang tersedia melalui API menawarkan fine-tuning yang lebih efisien dalam penggunaan data serta kemampuan yang lebih baik bagi mitra, dan karena Pi dapat memperbarui model dasar dengan cepat, perusahaan berencana terus menyediakan akses ke versi terbarunya yang paling mumpuni.
Kolaborasi awal menguji model di berbagai industri. Actor menerapkan alat berat otonom, dan pemuat roda otonomnya mengambil material dan memuatnya ke truk dump selama penerapan komersial sungguhan tanpa operator di dalam mesin. Di seluruh kemitraan ini, proses peningkatan kinerja berjalan konsisten: mengumpulkan demonstrasi, melatih model, menguji model pada robot, dan menggunakan kegagalan untuk memandu putaran berikutnya dalam pengumpulan data. Almond, yang membangun robot dua lengan Axol, menggunakan API untuk menghasilkan model dalam empat hari yang menghaluskan spacer yang digunakan dalam perakitan Axol sendiri.
Sebagian besar penerapan awal, dari Jepang hingga Swiss dan di seluruh Amerika Serikat, berjalan dengan inferensi yang dihosting di cloud. Beberapa pengguna menghadapi tantangan konektivitas jaringan, yang menyoroti area untuk perbaikan. Physical Intelligence menyatakan bahwa masukan dari penggunaan di dunia nyata akan memandu pengembangan model di masa depan.
Sumber: Hacker News · Diringkas oleh HeadlinesBriefing