Physical Intelligence स्वतःच्या यंत्रांशी आणि कामांशी रोबोट मॉडेल जुळवू इच्छिणाऱ्या टीमसाठी बीटा सेवा सुरू करत आहे. १३ ऑक्टोबरला प्रसिद्ध झालेल्या Pi API घोषणेतटीम रोबोटचा डेटा अपलोड करू शकते, Pi व्यवस्थापित करत असलेल्या पायाभूत सुविधांवर मॉडेल फाइन-ट्यून करू शकते आणि होस्टेड इन्फरन्सद्वारे तयार मॉडेल वापरू शकते, असे म्हटले आहे. प्रवेश अर्जाने सुरू होतो; Pi सांगते की टीमना टप्प्याटप्प्याने सामावून घेतले जाईल.

यामुळे मॉडेल अभियांत्रिकीचे काही काम कुठे होते ते बदलते. रोबोट विकासकाला योग्य यंत्र, स्वयंचलित करणे योग्य ठरेल असे काम, त्या कामाची प्रात्यक्षिके आणि यंत्रावर मॉडेल तपासण्याची पद्धत तरीही आवश्यक आहे. हे घटक जोडणारा प्रशिक्षण आणि मॉडेल-सेवा स्तर Pi चालवण्याचा प्रस्ताव देते.

मोठा बदल

  • काय बदलले: Pi निवडक टीमना आपल्या रोबोट मॉडेलचे होस्टेड अनुकूलन देत आहे. तिचे सार्वजनिक openpi रिपॉझिटरी स्वतःचा प्रशिक्षण स्टॅक चालवण्यास तयार असलेल्या टीमसाठी आधीचे मॉडेल चेकपॉइंट आणि उदाहरणे आधीच देते; बीटा व्यवस्थापित फाइन-ट्यूनिंग आणि इन्फरन्सचा मार्ग जोडते.
  • हे महत्त्वाचे का: प्रशिक्षण पायाभूत सुविधा Pi कडे हलवल्याने रोबोट टीम स्वतःच्या उपकरणांवरील वर्तनाचे मूल्यमापन आणि उपयुक्त प्रात्यक्षिके गोळा करण्यावर अधिक लक्ष देऊ शकेल. ही सेवा रोबोट पुरवत नाही, यशस्वी कामाची व्याख्या करत नाही किंवा ग्राहक सुरक्षितपणे काम करू शकतो हे सिद्ध करत नाही.
  • कशाकडे लक्ष द्यावे: बीटाचे मूल्य कामाचे परिणाम पुन्हा मिळवता येतात का आणि एकत्रीकरणाच्या अटी व्यवहार्य आहेत का यावर अवलंबून असेल. Pi ने भागीदारांची उदाहरणे दिली आहेत; परंतु सार्वजनिक प्रारंभिक माहितीत मॉडेल आवृत्ती, समर्थित हार्डवेअर, किंमत, API करार किंवा सुरक्षिततेच्या अटी स्पष्ट केलेल्या नाहीत.

Pi कडे जाणारे काम

Pi क्रम सांगते: डेटा अपलोड करा, तिच्या व्यवस्थापित संगणकीय साधनांवर फाइन-ट्यूनिंग सुरू करा आणि मग इन्फरन्ससाठी होस्टेड गेटवे वापरा. तिच्या कार्यप्रवाहाच्या वर्णनात मूल्यमापन डेटा पुढील पुनरावृत्तीला दिशा देतो. विकासक प्रात्यक्षिके गोळा करतो, प्रशिक्षण देतो, रोबोटवर चाचणी करतो आणि अपयशांचा अभ्यास करून पुढे कोणता डेटा गोळा करायचा ठरवतो. Pi मॉडेलची पायाभूत सुविधा चालवत असताना विकासकाने हे चक्र स्वतंत्रपणे चालवावे, असा APIचा उद्देश आहे.

कंपनीचा openpi कोडबेस पूर्वीचा स्वतः व्यवस्थापित करायचा मार्ग दाखवतो. यात π₀, π₀-FAST आणि π₀.₅ चेकपॉइंट, तसेच डेटासेट रूपांतरित करणे, फाइन-ट्यूनिंगची मांडणी आणि पॉलिसी चालवण्याची उदाहरणे आहेत. GPUच्या गरजा आणि डेटा तयार करण्याच्या प्रकाशित पायऱ्या दाखवतात की रोबोटिक्सचे कौशल्य पण मर्यादित मशीन-लर्निंग पायाभूत सुविधा असलेल्या टीमला व्यवस्थापित प्रशिक्षण का उपयोगी वाटू शकते. घोषणेत बीटा मॉडेलची आवृत्ती दिलेली नाही, त्यामुळे ओपन-सोर्स मॉडेल म्हणजे APIवर दिले जाणारे विशिष्ट मॉडेल असे समजू नये.

Pi सांगते की तिच्या नवीनतम API मॉडेलची क्षमता सुधारली आहे आणि भागीदारांसाठी कमी डेटा वापरून फाइन-ट्यूनिंग अधिक कार्यक्षम आहे. या दाव्याचे मोजमाप करणारा तुलनात्मक डेटासेट, बेंचमार्क पद्धत किंवा काम यशस्वी होण्याचे दर प्रारंभिक पोस्टमध्ये प्रकाशित केलेले नाहीत. बहुतेक दाखवलेल्या अनुप्रयोगांनी क्लाउडवर होस्टेड इन्फरन्स वापरले आणि काहींना नेटवर्क जोडणीच्या अडचणी आल्या, असेही पोस्ट सांगते. दूरस्थ सेवेवर नियंत्रण चक्र अवलंबून असलेल्या चालत्या यंत्रासाठी हे महत्त्वाचे आहे; मात्र विलंब किंवा विश्वासार्हतेची गरज पोस्ट सांगत नाही.

टीमने काय आणले पाहिजे

बीटा अर्ज टीममधील कोण पॉलिसीचे प्रशिक्षण देईल, रोबोट डेटावर आणि पॉलिसी मूल्यमापनावर त्यांनी काय केले आहे, कोणते नेमके काम साध्य करायचे आहे आणि किती टेलीऑपरेशन किंवा सिम्युलेशन डेटा आहे, असे विचारतो. रोबोटची संख्या आणि प्रकार, पसंतीचे इन्फरन्स ठिकाण आणि कामाच्या यशाचे निकषही विचारले जातात. हे अर्जातील प्रश्न आहेत; प्रकाशित पात्रता मर्यादा किंवा स्थानिक इन्फरन्स उपलब्ध असल्याची हमी नाही. फॉर्ममध्ये क्लाउड, स्थानिक, दोन्ही आणि अनिश्चित असे पर्याय आहेत; प्रारंभिक माहितीत होस्टेड इन्फरन्सचे वर्णन आहे.

ही प्रश्नमाला सेवा ग्राहकासाठी स्वयंचलित करू शकत नाही त्या भागाकडे निर्देश करते: विशिष्ट रोबोटवरील योग्य वर्तन काय ते ठरवणे आणि त्याच रोबोटवर ते मोजणे. Pi सुरुवातीच्या भागीदारांचे प्रात्यक्षिके, चाचण्या आणि अपयशांमधून पुन्हा पुन्हा शिकण्याचे चक्र वर्णन करते. उदाहरणांत Almondचा Axolआहे; APIवरील चार दिवसांच्या पुनरावृत्तीनंतर असेंब्लीमध्ये वापरल्या जाणाऱ्या स्पेसरवरील खडबडीत कडा काढताना हा दोन हातांचा रोबोट दाखवला आहे. व्यावसायिक वापरात सामग्री उचलून लोड करणाऱ्या Actor चाकांच्या लोडरचेही Pi वर्णन करते. ही Piने निवडलेली उदाहरणे आणि क्लिप आहेत; वेगवेगळ्या हार्डवेअरवरील सर्वसाधारण विश्वासार्हता, सुरक्षितता किंवा कार्यक्षमतेचे स्वतंत्र मोजमाप नाहीत.

सध्याचा सार्वजनिक मार्ग म्हणजे बीटा प्रवेशासाठी अर्ज करणे. येथे पाहिलेल्या माहितीत Piने खुला API करार, विनंती-प्रतिसाद रचना, बीटा मॉडेलचे नाव, हार्डवेअर सुसंगतता तक्ता, किंमत, डेटा हाताळण्याच्या अटी किंवा सुरक्षितता करार प्रकाशित केलेला नाही. होस्टेड इन्फरन्स प्रत्यक्ष कामाला योग्य आहे का हे ठरवण्यापूर्वी सेवा तपासणाऱ्या टीमला या अटी आणि स्वतःच्या रोबोटवरील वारंवार चाचण्या लागतील.

संबंधित वृत्तांकन

BIG CHANGEने यापूर्वी व्हिडिओवर प्रशिक्षित Runwayची रोबोट पॉलिसी and जपानचा ह्युमनॉइड डेटा कारखानायांचा आढावा घेतला. ते मॉडेल आणि डेटा क्षेत्रातील संबंधित कामावर आहेत. १३ ऑक्टोबरची Pi घोषणा ही सेवा प्रवेश सुरू होण्याची वेगळी घटना आहे.

स्रोत आणि पुढील वाचन

  • Physical Intelligence, “Frontier Models for Every Robot: Announcing our API beta”(१३ ऑक्टोबर २०२६). अपलोड, फाइन-ट्यूनिंग, होस्टेड इन्फरन्स आणि मूल्यमापन चक्राचे विकासकाने दिलेले वर्णन, निवडक भागीदारांच्या प्रात्यक्षिकांसह. कार्यक्षमता आणि तैनातीविषयीची वर्णने कंपनीचे दावे आहेत.
  • Physical Intelligence, API बीटा अर्ज(१४ ऑक्टोबर २०२६ रोजी पाहिले). टप्प्याटप्प्याने प्रवेश आणि अर्जदारांकडून मागितली जाणारी माहिती नोंदवते. फॉर्ममधील पर्याय स्थानिक इन्फरन्स उत्पादन उपलब्ध असल्याचे सिद्ध करत नाहीत.
  • Physical Intelligence, openpi रिपॉझिटरी(१४ ऑक्टोबर २०२६ रोजी पाहिले). सार्वजनिकरीत्या उपलब्ध मॉडेल चेकपॉइंट आणि स्वतः व्यवस्थापित फाइन-ट्यूनिंगची उदाहरणे नोंदवते. नवीन बीटाचा करार किंवा दिले जाणारे मॉडेल यात नमूद नाही.