Physical Intelligence は、Pi API ベータを通じて、トレーニングと推論のための最新のロボット基盤モデルを公開しました。ロボットの導入は依然として困難です。開発者は適切なユースケースを見極め、適切なハードウェアを構築し、タスクを遂行できるだけの知能を備えたモデルを用意しなければなりません。π0 や π0.5 などの汎用モデルは物理知識の強固な基盤を提供し、新しいタスク、環境、ロボットへの適応に必要なデータと労力を大幅に削減します。とはいえ、それらを適応させるには依然として ML インフラ、計算資源、複雑なデータパイプラインが必要です。
Pi API はその負担の大部分を取り除きます。ユーザーはデータをアップロードし、Physical Intelligence が管理するインフラ上でファインチューニングを開始し、ホスト型ゲートウェイを通じて推論用のファインチューニング済みモデルにアクセスできます。API で利用できる最新モデルは、パートナーにとってより少ないデータで効率的にファインチューニングでき、性能も向上しています。Pi は基盤モデルを迅速に更新できるため、同社は今後も最新かつ最も高性能なバージョンへのアクセスを提供する計画です。
初期の協業では、さまざまな業界でモデルが試されました。Actor は自律型重機を展開しており、その自律型ホイールローダーは、実際の商用導入において、機械内に操作員がいない状態で材料をすくい取りダンプトラックに積み込みました。これらの提携を通じて、性能向上のプロセスは一貫していました。デモンストレーションを収集し、モデルを訓練し、ロボット上でテストし、失敗を次回のデータ収集の指針として活用します。両腕ロボット Axol を開発する Almond は、この API を用いて 4 日間でモデルを作成し、Axol 自身の組み立てに使われるスペーサーのバリ取りを行わせました。
日本からスイス、そして米国各地に至るまで、初期の導入の多くはクラウドでホストされた推論で稼働しました。一部のユーザーはネットワーク接続の課題に直面し、改善すべき点が浮き彫りになりました。Physical Intelligence は、実環境での利用から得られたフィードバックが今後のモデル開発の指針になると述べています。
出典: Hacker News · 要約：HeadlinesBriefing