Il robot di Physical Intelligence che impara senza essere addestrato

Physical Intelligence ha pubblicato giovedì una ricerca sul suo nuovo modello π0.7. La cosa più interessante non è quello che il robot sa fare, è che i ricercatori stessi non si aspettavano che lo facesse. La startup di San Francisco, due anni di vita, ha mostrato che il suo ultimo modelloè in grado di dirigere i robot in compiti su cui non è mai stato addestrato esplicitamente, una capacità che ha colto di sorpresa gli stessi autori.

I temi trattati all’interno dell’articolo

La comprensione di problemi nuovi

Il principio tecnico si chiama generalizzazione compositiva. È la capacità di combinare abilità apprese in contesti diversi per risolvere problemi mai incontrati prima. Fino ad oggi, l’approccio standard al training robotico era sostanzialmente una memorizzazione: raccogliere dati su un compito specifico, addestrare un modello specializzato su quei dati, e ripetere per ogni nuova attività. π0.7, dice Physical Intelligence, rompe questo schema.

La dimostrazione più diretta riguarda una friggitrice ad aria che il modello non aveva quasi mai visto durante il training. Il team di ricerca ha trovato solo due episodi rilevanti nell’intero dataset: in uno, un robot diverso spingeva semplicemente il coperchio della friggitrice; nell’altro, un robot prendeva da un dataset open source una bottiglia di plastica e la metteva dentro. Il modello ha sintetizzato quei frammenti, insieme ai dati di pre-addestramento sul web, costruendo una comprensione funzionale dell’elettrodomestico.

Dal 5% al 95%… con il prompt giusto

I numeri mostrano come il prompt conti quanto il modello. In un primo esperimento sulla friggitrice il tasso di successo era del 5%. Dopo circa mezz’ora a riformulare le istruzioni fornite al modello, è salito al 95%. Il modello non è ancora in grado di eseguire compiti complessi a più passi da un singolo comando ad alto livello. “Non puoi dirgli ‘vai a farmi del toast‘” ammette il cofondatore Sergey Levine. Ma se lo si guida passo per passo, il sistema funziona. I benchmark standardizzati per la robotica non esistono ancora, il che rende difficile la validazione esterna. Physical Intelligence ha misurato π0.7 confrontandolo con i propri modelli specializzati precedenti, trovando che il modello generalista reggeva il confronto su compiti complessi come preparare un caffè, piegare il bucato e assemblare scatole.

Verso gli 11 miliardi

La società è finanziata con oltre un miliardo di dollari e una valutazione recente di 5,6 miliardi. Sarebbero in corso trattative per un nuovo round di finanziamento che potrebbe portare la valutazione a 11 miliardi di dollari. I cofondatori provengono da Google DeepMind e da Berkeley: Sergey Levine è professore a UC Berkeley con un laboratorio che ha aperto la strada al deep reinforcement learning per la robotica, mentre Chelsea Finn è associate professor a Stanford ed è nota per il meta-learning applicato ai robot. Il paper stesso usa un linguaggio cauto. Descrive π0.7 come qualcosa che mostra «segnali precoci» di generalizzazione e «dimostrazioni iniziali» di nuove capacità. Si tratta di risultati di ricerca, non di un prodotto già distribuito.

“Effetto LLM” sui robot

Il parallelo con i grandi modelli linguistici ritorna spesso nelle dichiarazioni del team. «Una volta superata la soglia in cui il modello smette di fare solo ciò per cui sono stati raccolti i dati e inizia a ricombinare le cose in modi nuovi – spiega Levine – le capacità crescono in modo più che lineare con la quantità di dati. Questa proprietà di scaling più favorevole è qualcosa che abbiamo già visto in altri ambiti, come il linguaggio e la visione.» Il problema è che i modelli linguistici sono addestrati con i contenuti dell’intero web. I robot non dispongono di un dataset equivalente, radicato fisicamente nel mondo reale. Se la generalizzazione compositiva si dimostrasse affidabile in ambienti reali e disordinati, cambierebbe la velocità con cui i robot possono passare dal laboratorio all’uso commerciale e la quantità di programmazione personalizzata necessaria.