视觉AI赋能工业制造新变革

从数字到实体：AI技术的新征程

人工智能正在重塑我们生活的方方面面，然而迄今为止，这项技术大多仍局限于数字世界。不过，越来越多的初创企业正积极探索如何将AI引入实体环境，实现虚拟与现实的深度融合。

Perceptron正是这一领域的先行者之一。这家由两位前Meta研究院科学家创立的新锐企业，于2024年11月正式成立，专注于开发前沿视觉模型，旨在提升机器与物理环境交互的能力，让智能体能够更智能地感知和适应现实世界。

近日，该公司发布了最新开发的Isaac 0.5模型。据研发团队介绍，这一系统专门为工业环境设计，赋予机器”感知、思考与行动”的能力。具体而言，该软件能够帮助视觉引导机器人在仓库或工厂等复杂环境中导航，同时帮助企业从机器人拍摄的视频中提取视觉情报。

值得一提的是，Isaac 0.5作为开放权重模型发布，这意味着其参数和训练材料可供任何人查阅和研究，促进了技术的透明度和共享。

Perceptron的创始团队由Armen Aghajanyan和Akshat Shrivastava组成，两人均曾就职于Meta的基础人工智能研究(FAIR)部门，是该科技巨头AI研究团队的核心成员。公司近期已完成2100万美元的融资，由Bessemer Venture Partners领投。

两位创始人将他们的软件视为工业自动化部署的未来方向，并认为当前物理AI面临一个两难选择：要么是依赖多个专用云端GPU的通用基础模型，要么是仅能处理感知或控制任务的狭义模型。

与现有模型相比，Perceptron的工具具有明显优势。其模型是通用型的，并非针对某一特定重复任务设计，而是能够根据所处的特定环境或情境灵活调整行为方式。

Shrivastava在采访中举例说明了一个看似简单但实际复杂的物理任务——组织包裹：”想象现在有一个机器人被部署来分拣包裹，它需要完成哪些任务？”

这样的简单任务实际上包含多个步骤：机器人首先需要读取包裹上的标签，进行空间分析了解箱子位置，然后决定拿起哪一个。如果需要搬运一系列箱子，它还需规划搬运顺序和路径。

Perceptron的软件正是为了帮助机器人顺利完成这些步骤而设计。虽然行业内已有能够完成大部分任务的软件，但很少有系统能如此灵活地适应不同场景。

如此复杂的算法系统需要大量数据进行训练。Isaac 0.5等模型通过吸收海量视频训练数据来学习操作技能。据公司介绍，他们的新模型接受了约100万小时通用视频的训练，以帮助算法识别特定环境、视觉和场景。

此外，公司还大量使用了”自我视角视频”和”UMI视频”等特殊数据类型。前者通常通过GoPro或可穿戴相机拍摄，记录人们完成物理任务时的第一视角；后者则通过记录重复性的人类动作，用于教授AI系统的运动技能。

虽然Perceptron未公开其训练数据的具体来源，但Shrivastava表示，公司已构建了内部PB级数据集，涵盖多种模态，包括图像、文本、视频以及机器人轨迹数据等。

能够帮助机器人在仓库等环境中高效运行的软件应用前景广阔。Perceptron正积极准备将软件推向市场，寻求与各类供应商合作，有望将其智能层整合到众多行业中。

潜在的应用领域包括：

“市场上目前没有真正类似的产品，”Aghajanyan表示，”我们对这一技术的前景充满期待。”

关注微信号：智享开源 ，及时了解更新信息。

0 0