Physical Intelligence spustila betaverzi Pi API, která externím týmům zpřístupňuje její základní robotické modely. Vývojáři mohou nahrát data z vlastního robota, dotrénovat model a využívat jej přes hostované inferenční rozhraní. Firma přebírá správu výpočetního zázemí pro trénování i provoz modelu, kterou si týmy dosud obvykle zajišťovaly samy.
Od dálkově řízených ukázek k predikcím akcí
Práce s API začíná na cílovém robotu. Tým jej dálkově ovládá a zaznamenává úspěšné ukázky požadovaného úkolu. Takto připravenou datovou sadu nahraje do infrastruktury Pi, kde se na ní dotrénuje základní model. Při následném provozu je robot připojen k hostované bráně, která mu poskytuje predikce akcí.
Oproti dosavadnímu přizpůsobování otevřených modelů π0 a π0.5 se mění především rozdělení práce kolem infrastruktury. Týmy si u nich obvykle obstarávaly vlastní trénovací výpočty, datové pipeline, nástroje pro nasazení i obsluhu modelů. Pi API správu výpočetního zázemí pro dotrénování a provoz přebírá.
Podle Physical Intelligence mají další kola učení vycházet ze zaznamenaných selhání. Týmy pro problémové situace pořizují cílené ukázky a model znovu trénují. Firma uvádí například oblečení obrácené naruby nebo ingredience, které vypadávají z naběračky; ve výrobě může jít o díly dopadající do nesprávné polohy.
Almond vytvořil model pro odstraňování otřepů za čtyři dny
Konkrétní příklad práce s API přináší partner Almond. Po čtyřech dnech iterací vytvořil model pro svého dvouramenného robota Axol, který odstraňuje otřepy z distančních dílů používaných při montáži.
U partnera Actor se robotické řízení uplatňuje při manipulaci s materiálem. Autonomní kolový nakladač v komerčním nasazení nabírá materiál a nakládá jej do sklápěcího nákladního vozu, aniž by uvnitř stroje seděl operátor.
Další popsané aplikace zahrnují přípravu jídel a jejich servírování u Chef Robotics, CloudChef a Omakase. V zemědělství využívá roboty AgRobotics ke sklizni jahod.
Cloudová inference přináší nároky na spojení
Physical Intelligence uvádí, že většina partnerských aplikací používala cloudovou inferenci. Partnerské projekty probíhaly v Japonsku, Švýcarsku a Spojených státech.
Tato nasazení zároveň odhalila problémy s konektivitou. Při cloudovém řízení robot posílá svá pozorování vzdálenému modelu a dostává zpět predikce akcí. Do řídicí smyčky proto vstupuje síťová latence i výpadky spojení.
Integraci robota, kvalitu dat a vyhodnocování výsledků dál zajišťuje tým používající API. Na něm zůstávají také místní bezpečnostní systémy, zotavení po selhání a respektování mechanických limitů hardwaru.
Beta přes čekací listinu, novější modely jsou v plánu
Přístup do betaverze je nyní podmíněn přihlášením na čekací listinu. Physical Intelligence tvrdí, že její nejnovější model dostupný přes API zvyšuje efektivitu dotrénování a zlepšuje výsledky partnerů.
Firma také plánuje zpřístupňovat novější základní modely prostřednictvím stejného koncového bodu API.
