A Physical Intelligence está a abrir um serviço beta para equipas que pretendem adaptar os seus modelos robóticos às próprias máquinas e tarefas. O anúncio da Pi API, publicado a 13 de outubro, afirma que uma equipa pode carregar dados do robô, ajustar um modelo na infraestrutura gerida pela Pi e chamar o modelo resultante através de inferência alojada. O acesso começa com uma candidatura, e a Pi diz que integra equipas por fases.

Isto altera o local onde decorre parte da engenharia do modelo. Um programador de robótica continua a precisar de uma máquina adequada, de uma tarefa que valha a pena automatizar, de demonstrações dessa tarefa e de uma forma de testar o modelo na máquina. A Pi propõe executar a camada de treino e disponibilização do modelo que liga esses elementos.

A grande mudança

  • O que mudou: A Pi oferece adaptação alojada dos seus modelos robóticos a equipas selecionadas. O seu repositório público openpi já fornece pontos de verificação de modelos anteriores e exemplos para equipas dispostas a executar a sua própria pilha de treino; a beta acrescenta uma via gerida de ajuste e inferência.
  • Porque é importante: Transferir a infraestrutura de treino para a Pi poderá permitir que uma equipa de robótica dedique mais esforço à recolha de demonstrações úteis e à avaliação do comportamento no seu próprio equipamento. O serviço não fornece o robô, não define uma tarefa bem-sucedida nem demonstra que o cliente possa operar em segurança.
  • O que acompanhar: O valor da beta dependerá de resultados de tarefas repetíveis e de condições de integração viáveis. A Pi descreveu exemplos de parceiros, mas o material público de lançamento não especifica a versão do modelo, o hardware compatível, os preços, o contrato da API nem as condições de segurança.

O trabalho que passa para a Pi

A Pi descreve uma sequência: carregar dados, iniciar o ajuste na capacidade computacional gerida pela empresa e, depois, usar um gateway alojado para inferência. Na sua descrição do fluxo de trabalho , os dados de avaliação orientam a iteração seguinte. O programador recolhe demonstrações, treina, testa num robô e estuda as falhas para decidir que dados recolher a seguir. A API pretende permitir que o programador execute esse ciclo de forma independente enquanto a Pi opera a infraestrutura do modelo.

A base de código openpi da empresa mostra a via anterior de auto-gestão. Inclui pontos de verificação π₀, π₀-FAST e π₀.₅, além de exemplos para converter um conjunto de dados, configurar o ajuste e servir uma política. Os requisitos de GPU e as etapas de preparação de dados publicados explicam por que razão o treino gerido poderá interessar a uma equipa com conhecimentos de robótica, mas com infraestrutura limitada de aprendizagem automática. O anúncio não identifica a versão do modelo beta, pelo que os modelos de código aberto não devem ser confundidos com o modelo específico servido pela API.

A Pi afirma que o seu modelo de API mais recente tem capacidades melhoradas e permite um ajuste mais eficiente em dados para parceiros. A publicação de lançamento não apresenta um conjunto de dados comparativo, um protocolo de referência ou taxas de sucesso em tarefas que quantifiquem essa afirmação. Refere ainda que a maioria das aplicações destacadas usou inferência alojada na nuvem e que algumas enfrentaram problemas de conectividade. Esse detalhe importa para uma máquina em movimento cujo ciclo de controlo depende de um serviço remoto, embora a publicação não especifique requisitos de latência ou fiabilidade.

O que uma equipa tem de fornecer

A candidatura à beta pergunta quem, na equipa, treinaria a política, que experiência tem com dados robóticos e avaliação de políticas, que tarefa específica pretende realizar e de quantos dados de teleoperação ou simulação dispõe. Pergunta também o número e tipo de robôs, a localização de inferência preferida e os critérios de sucesso da tarefa. São perguntas da candidatura, não limiares de elegibilidade publicados nem garantias de inferência local. O formulário oferece as opções nuvem, local, ambas e incerto; o lançamento descreve inferência alojada.

Estas perguntas apontam para o que o serviço não pode automatizar para um cliente: decidir o que é um comportamento correto num robô específico e medi-lo nesse robô. A Pi descreve os primeiros parceiros a repetir ciclos de demonstrações, testes e falhas. Os seus exemplos incluem o Axol da Almond, um robô de dois braços apresentado a rebarbar espaçadores usados na montagem após quatro dias de iteração com a API. A Pi descreve também um carregador de rodas Actor a recolher e carregar material numa implantação comercial. São relatos e vídeos selecionados pela Pi, não medições independentes de fiabilidade, segurança ou desempenho geral em diferentes equipamentos.

A via pública atual consiste em candidatar-se ao acesso beta. Nos materiais aqui analisados, a Pi não publicou um contrato de API aberto, esquemas de pedidos e respostas, o nome do modelo beta, uma matriz de compatibilidade de hardware, preços, condições de tratamento de dados ou um acordo de segurança. Uma equipa que avalie o serviço precisaria desses termos e dos seus próprios testes repetidos com robôs antes de decidir se a inferência alojada se adequa a uma operação real.

Cobertura relacionada

A BIG CHANGE já tinha analisado a política robótica da Runway treinada com vídeo and fábrica de dados japonesa para humanoides. Abordam trabalho relacionado com modelos e dados. O anúncio da Pi de 13 de outubro é um evento distinto de acesso a um serviço.

Fontes e leituras adicionais