General Intuition стартап видео тоглоомын өгөгдлийг ашиглан роботын хөдөлгөөн, орон зайн ойлголтыг сайжруулах суурь загварыг хөгжүүлж, салбарын хөгжлийн чиг хандлагыг өөрчлөхийг зорьж байна.
Уламжлалт арга барилаар роботын загваруудыг тусгай орчин, тодорхой үүрэг даалгавар дээр үндэслэн асар их хэмжээний бодит өгөгдлөөр сургадаг байв. Харин General Intuition компанийн гүйцэтгэх захирал Пим де Витте энэ нь үр ашиггүй гэж үзэж, олон төрлийн орчинд дасан зохицох чадвартай, ерөнхий зориулалтын суурь загварыг бүтээхэд анхаарч байна. Тэдний боловсруулсан загвар нь видео тоглоомын сая сая цагийн өгөгдөл, тэр дундаа хүний удирдлагын үйлдэл дээр суурилсан бөгөөд энэ нь роботод орон зай, цаг хугацааны талаарх ойлголтыг хурдан суулгах боломжийг олгожээ.
Тус стартап өнгөрсөн сард 2.3 тэрбум ам.долларын үнэлгээтэйгээр 320 сая ам.долларын санхүүжилт татсан юм. Тэдний технологи нь ердөө найман минутын бодит роботын өгөгдлөөр дамжуулан дөрвөн хөлт роботыг удирдах чадвартай болохыг харуулсан байна. Ямар ч нэмэлт мэдрэгчгүйгээр, зөвхөн урд талын камер ашиглан динамик орчинд ажилласан нь уг технологийн ирээдүйн боломжийг илтгэж байгаа аж.
General Intuition нь өөрсдөө робот үйлдвэрлэхээс илүүтэйгээр физик AI-ийн суурь загварыг ханган нийлүүлэгч болохыг зорьж байна. Пим де Витте-гийн үзэж буйгаар, энэхүү загвар нь бусад робот бүтээгчдэд өөрсдийн машин, системийг хөгжүүлэх үйл явцыг 10 дахин хялбарчлах боломжийг олгох юм. Ингэснээр салбарын компаниуд их хэмжээний өгөгдөл цуглуулах шаардлагагүй болж, илүү үр ашигтай хөгжүүлэлт хийх боломж бүрдэнэ.
Дэлгэрэнгүйг эх сурвалжаас харах
↓Эх сурвалжийг нээх ↓
Before OpenAI’s GPT-3 ushered in the era of foundation models, companies built specialized natural language processing models from scratch, training each on large amounts of task-specific data. Today, most organizations start with a general purpose model like OpenAI’s GPT series, Claude, or Llama, and then fine-tune or prompt it to solve their specific needs.
Pim de Witte, CEO of General Intuition, thinks embodied AI will follow a similar pattern. Rather than collecting huge real-world data sets to build specialized robot models, he argues the industry should focus on better quality datasets that can produce foundation models capable of transferring intuition about movement and interaction across many environments.
“A lot of companies right now are doing lots of specialized work focused on individual embodiments, individual environments, and individual robots,” de Witte told TechCrunch on a recent episode of Equity.
Much of that work will become redundant soon, he argues, with the emergence of general models like the one General Intuition has been developing and deploying.
“The generalization of the model itself is the product,” he said. “The fact that it has a base level of reasoning about space and time is going to be the reason why people stop collecting hundreds of thousands or millions of hours of real-world data. Because the reality is, you only need a few minutes.”
General Intuition built its own such foundation model after training on millions of hours of video game data, including information like what buttons on a controller a human pushed and when. Both de Witte and General Intuition’s lead investor Vinod Khosla argue the action data is the key to developing a human-like intuition for spatial-temporal reasoning.
The startup last month raised $320 million at a $2.3 billion valuation on the back of that thesis. The company has demonstrated that its current model is capable of both playing a video game for hours and powering a quadrupedal robot — the latter after fine-tuning it on just eight minutes of real-world robotics data.
“The fact that [the robot] was actually able to zero-shot on just the front camera, with no other sensors, in the office with dynamic objects being introduced and people walking by was a very big surprise to us,” de Witte says. “I think it’s a sign of what’s to come.”
The end game for General Intuition isn’t to build robots itself, but to become the foundation model of physical AI, a base model for other robotics companies to build upon for their own machines. Or, as de Witte put it: “We’re not gonna build a self-driving car company. We’re gonna make it 10 times easier for the next person to build a self-driving car company.”
When you purchase through links in our articles, we may earn a small commission. This doesn’t affect our editorial independence.
