Physical Intelligence представила π0.7 — мозг робота, способный освоить незнакомые задачи

Стартап Physical Intelligence, один из самых обсуждаемых игроков в роботехнике, представил π0.7 — обновлённую версию своей модели-«мозга» для роботов. Ключевое достижение: система теперь справляется с задачами, которым её специально не обучали.

Physical Intelligence основана в 2023 году командой бывших исследователей из Google DeepMind, Berkeley и других ведущих лабораторий. Компания с самого начала поставила амбициозную цель: создать универсальный ИИ-мозг для физических роботов — по аналогии с тем, что GPT сделал для обработки текста. За первый год стартап привлёк около 400 миллионов долларов; среди инвесторов — Khosla Ventures, Thrive Capital и Amazon.

Первая публичная модель π0 вышла в конце 2024 года. Она умела управлять манипуляторами и выполнять бытовые задачи: складывать бельё, мыть посуду. Но её обучали конкретным навыкам — каждое действие было заранее показано и закреплено в весах модели.

π0.7 идёт дальше. По заявлению компании, новая модель способна переносить знания на задачи, которым она никогда не обучалась.

Иными словами, она обобщает, а не просто воспроизводит заученное. Именно это делает шаг значимым: не совершенствование в рамках знакомых сценариев, а появление зачатков «здравого смысла» применительно к физическому миру. Сама компания осторожна в формулировках — называет это «ранним, но значимым шагом» к давно искомой цели: универсальному роботу, который справляется с любой физической задачей без отдельного обучения под каждый новый сценарий.

Это принципиальная разница с нынешним положением дел, когда промышленный манипулятор умеет делать ровно то, на что его запрограммировали, — и ничего сверх. Проблема генерализации — одна из ключевых в роботехнике на протяжении десятилетий. Обучить робота закрутить болт на конвейере несложно.

Обучить его «разобраться» с новой задачей, опираясь на общее понимание физики и пространства, — совсем другое. Именно успехи крупных языковых моделей подтолкнули всю отрасль: выяснилось, что масштабное обучение на разнородных данных даёт модели способность обобщать. Physical Intelligence применяет тот же принцип к физическим действиям в реальном мире.

Архитектура π0.7 в деталях не раскрыта. Компания исторически строит свои модели на диффузионном подходе, применяя его не к пикселям, а к пространству действий робота: вместо выбора следующего шага из фиксированного набора модель генерирует траекторию движения, постепенно уточняя её — примерно так, как нейросеть уточняет изображение.

Вопрос о том, насколько «незнакомые» задачи действительно незнакомы, остаётся открытым. Детальных бенчмарков компания пока не опубликовала, а видеодемонстрации — традиционное маркетинговое оружие роботехнических стартапов — не всегда отражают реальную надёжность систем в неконтролируемых условиях. Тем не менее сам факт важен: стартап с серьёзным финансированием и командой мирового уровня фиксирует измеримый шаг к обобщению.

Гонка за «мозгом для робота» идёт параллельно с гонкой за большими языковыми моделями — и ставки сопоставимы. Если в ближайшие годы удастся создать по-настоящему универсальную модель управления физическим телом, это изменит всю индустрию автоматизации: от логистики до хирургии. π0.

7 — пока не финишная черта. Но это один из немногих реальных сигналов того, что дорога к ней существует.