Introduction

La société Generalist a annoncé le lancement de GEN-1, un nouveau système d'IA physique qui atteint des taux de réussite de production sur une large gamme de compétences physiques. Ce modèle innovant est capable de répondre aux perturbations en improvisant de nouvelles actions et en connectant des idées de différents endroits pour résoudre de nouveaux problèmes.

Contexte Technique

GEN-1 s'appuie sur le modèle précédent GEN-0, qui a démontré l'efficacité des lois d'échelle dans la formation de la robotique. Cependant, les modèles robotiques ne disposent pas d'une source de données de qualité similaire à celle des grands modèles de langage pour apprendre à manipuler des objets. Pour résoudre ce problème, Generalist a utilisé des « mains de données », un ensemble de pinces portables qui capturent les micro-mouvements et les informations visuelles lorsqu'un humain effectue des tâches manuelles.

Cela a permis à Generalist de collecter plus de 500 000 heures et des pétaoctets de données d'interaction physique pour former son modèle physique. Le résultat est un système autonome précis et adaptable capable de réaliser des tâches délicates telles que plier des boîtes, trier des pièces auto ou réparer des aspirateurs robots.

Analyse et Implications

GEN-1 atteint des taux de réussite de 99 % sur des tâches mécaniques répétitives et délicates, telles que plier des boîtes, emballer des téléphones et servir des robots aspirateurs, selon Generalist. Le modèle peut atteindre ces résultats après seulement environ une heure passée à adapter sa préformation aux « données robotiques » spécifiques à son incarnation robotique.

Cela constitue une avancée significative dans le domaine de la robotique, car les systèmes robotiques complexes ont généralement reposé sur des mouvements préprogrammés ou ont été formés pour se concentrer exclusivement sur une tâche unique avec peu de variation. La capacité de GEN-1 à improviser en fonction de son expérience précédente et à répondre aux perturbations de manière naturelle, même lorsqu'elles sont « bien en dehors de la distribution d'entraînement », est un atout majeur.

Perspective

Il est important de surveiller les prochaines étapes de Generalist et les applications potentielles de GEN-1 dans différents domaines, tels que la production, la logistique et les soins de santé. Les limites de ce modèle, telles que la nécessité de grandes quantités de données de formation et la possibilité de biais dans les données, doivent également être prises en compte pour garantir une utilisation responsable et efficace de cette technologie.