مغز ربات به‌عنوان سرویس؛ Physical Intelligence و API مدل‌های π برای آموزش ربات‌ها

مدل‌های زبانی وقتی واقعاً همه‌گیر شدند که هر برنامه‌نویسی توانست با چند خط کد و یک API از آن‌ها استفاده کند. شرکت Physical Intelligence می‌خواهد همین اتفاق را برای ربات‌ها تکرار کند. نسخه بتای Pi API که در مهر ۱۴۰۵ معرفی شد، دقیقاً همین هدف را دنبال می‌کند.

Physical Intelligence کیست؟#

استارتاپی که روی «هوش مصنوعی فیزیکی» کار می‌کند؛ یعنی مدل‌های پایه‌ای که به‌جای متن، ربات‌ها و دستگاه‌های فیزیکی را کنترل می‌کنند. سرمایه‌گذارانش نام‌های بزرگی مثل جف بزوس، OpenAI، Thrive Capital، Khosla Ventures و Sequoia هستند.

خانواده مدل‌های π#

• π0 (پای‌صفر): مدل پایه عمومی برای کنترل ربات که تصویر، متن و عمل را در یک مدل ترکیب می‌کند و از تجربه واقعی ربات‌ها یاد می‌گیرد. برخلاف مدل‌های زبانی، خروجی آن فرمان‌های حرکتی است، نه کلمه.
• π0.5: نسخه پیشرفته‌تر با تعمیم به محیط‌های تازه؛ مثلاً می‌تواند یک ربات متحرک را برای تمیز کردن آشپزخانه یا اتاق‌خوابی که قبلاً هرگز ندیده هدایت کند.

نمونه کارهایی که این مدل‌ها انجام داده‌اند: تا کردن لباس، جمع کردن میز، سرهم کردن جعبه.

Pi API چطور کار می‌کند؟#

سه مرحله، شبیه کاری که با مدل‌های زبانی انجام می‌دهیم:

1. آپلود داده: نمایش‌هایی از انجام کار توسط ربات (مثلاً ده‌ها بار انجام یک کار مونتاژ).
2. تنظیم دقیق (Fine-tune): روی زیرساخت مدیریت‌شده Physical Intelligence، یک مدل π با داده‌های تو تنظیم می‌شود.
3. اجرای میزبانی‌شده: مدل نهایی از طریق یک endpoint ابری اجرا می‌شود و ربات تو را کنترل می‌کند.

نمونه‌های واقعی#

شرکای اولیه طیف متنوعی دارند:

• Actor: لودرهای چرخ‌دار
• Almond: مونتاژ دودستی؛ این تیم بعد از چهار روز کار با API یک سیاست کاری برای پلیسه‌گیری (Deburring) قطعات آموزش داد
• Chef Robotics: ربات‌های آشپزی
• AgRobotics: کشاورزی
• Formic: اتوماسیون صنعتی

چرا مهم است؟#

تا امروز آموزش یک ربات برای یک کار جدید معمولاً ماه‌ها کار مهندسی تخصصی لازم داشت. اگر مدل پایه بتواند با چند روز داده و تنظیم دقیق کار جدید را یاد بگیرد، رباتیک برای کارخانه‌ها و کسب‌وکارهای کوچک هم در دسترس می‌شود. این همان مسیری است که مدل‌های زبانی طی کردند: از آزمایشگاه به API و از API به هر محصولی.

مدل زبانی یا مدل رباتیک؟#

اگر به نقش هوش مصنوعی در کنترل کاراکترها در بازی‌ها علاقه داری، مقاله هم‌تیمی هوش مصنوعی در بازی‌ها را هم ببین.

دسترسی#

Pi API فعلاً بتا است، از طریق لیست انتظار در سایت شرکت ارائه می‌شود و قیمت آن هنوز اعلام نشده است.

Physical Intelligence برای ایران چه معنایی دارد؟#

Pi API فعلاً در بتا و برای تیم‌های منتخب است و دسترسی مستقیم از ایران به آن محتمل نیست. ولی ایده‌ای که پشتش است، برای صنعت ایران هم جذاب است:

• کارخانه‌های کوچک: بخش بزرگی از کارهای تکراری مونتاژ، بسته‌بندی و کنترل کیفیت در کارگاه‌های ایرانی دستی انجام می‌شود. اگر آموزش ربات از ماه‌ها به چند روز برسد، اتوماسیون برای کارگاه‌های کوچک هم توجیه اقتصادی پیدا می‌کند.
• کشاورزی: شریکی مثل AgRobotics نشان می‌دهد برداشت و رسیدگی به محصول یکی از اولین کاربردهای جدی است.
• پژوهش دانشگاهی: مدل π0 وزن‌های باز دارد و گروه‌های رباتیک دانشگاهی می‌توانند بدون API، روی ربات‌های آزمایشگاهی خودشان با آن کار کنند.

اگر به هوش مصنوعی در دنیای فیزیکی علاقه داری، مدل‌های کوچکی که روی دستگاه اجرا می‌شوند قدم اول خوبی برای آشنایی عملی است.

جمع‌بندی#

Physical Intelligence می‌خواهد «مغز ربات» را به یک سرویس تبدیل کند. اگر موفق شود، آموزش ربات برای یک کار تازه می‌تواند از ماه‌ها به چند روز برسد؛ اتفاقی که می‌تواند همان‌قدر که مدل‌های زبانی نرم‌افزار را عوض کردند، کارخانه‌ها را عوض کند.

منابع#

• AlphaSignal: Physical Intelligence opens its robot brain API to outside teams
• RuntimeWire: Physical Intelligence puts its robot models behind a developer API
• Physical Intelligence (π) official site