Perceptron 推出了什么
Perceptron 是一家成立于 2024 年 11 月的初创公司。它由两位前 Meta 研究科学家 Armen Aghajanyan 和 Akshat Shrivastava 创立。他们曾在 Meta’s Fundamental AI Research (FAIR) 工作。这是 Meta 的人工智能研究部门。
本周，该公司发布了 Isaac 0.5 模型。据创建者称，它赋予机器在工业环境中“perceive, reason and act”的能力。该模型以 open-weight 形式发布。因此，任何人都可以检查其参数和训练材料。
公司将它的软件视为工业自动化部署的未来。
结论：Isaac 0.5 应被视为面向工业任务的开源模型。权重可验证性是选择时的关键标准。
任务：面向仓库和车间的物理智能
Perceptron 正在开发 frontier vision models。它们应帮助机器更胜任地与物理环境交互。该软件能够帮助 vision-guided robots 在复杂环境中移动。这里指的是 warehouses 或 factory floors。
公司这样描述问题：“Physical AI today forces a false choice”。一方面是 generalist foundation models，它们每个 instance 都需要 multiple dedicated cloud GPUs。另一方面是 narrow models，它们处理 perception 或 control，但从不两者兼顾。Isaac 0.5 旨在赋予机器感知、推理和行动的能力。
Shrivastava 建议考虑一个简单的物理过程——整理箱子。一台被部署用于分拣包裹的机器人必须完成许多步骤。首先读取包装上的标签。然后进行空间分析，以了解箱子的位置。接着决定要搬起哪一个。如果它要搬起一系列箱子，就必须规划搬起哪些箱子以及以什么顺序搬。Perceptron 的软件旨在帮助机器人完成流程中的每一步。
结论：选择标准是模型能否覆盖整个流程，从感知到行动规划，而不仅仅是单个操作。
Isaac 0.5 是如何训练的
像 Isaac 0.5 这样的模型通过吸收大量视频训练数据来学习操作技能。Perceptron 表示，它用一百万小时的所谓 general video 训练了新模型。这是为了让算法学会识别特定条件、视觉元素和场景。
公司还大量依赖 ego video。这是以执行物理任务的人的第一视角拍摄的视频。它通过 GoPro 或可穿戴相机拍摄。此外还使用了 UMI video。它们同样通过记录重复的人类动作来训练 AI 系统完成动作。
Perceptron 没有披露其训练数据的来源。Shrivastava 表示，公司“internally built petabyte-scale datasets that span across modalities”。他补充说：“whether it’s images, text, video, etc. all the way through robotic trajectories.”
结论：模型的开放权重使参数和训练材料可以被检查。对于需要可验证性的团队来说，这是一个重要标准。
与现有模型有何不同
Aghajanyan 和 Shrivastava 表示，他们的工具与现有模型不同。它是 general-purpose，也就是说并非为某一项特定的重复任务而打造。模型应当根据具体环境或情况保持灵活。
行业内已经有帮助机器完成其中大多数任务的软件。但很少有软件旨在灵活地做到这一点。以下是基于公司所述事实对各类方法的比较。
| 方法 | 关键特点 |
|---|---|
| Generalist foundation models | 每个实例需要多个专用云端 GPU |
| Narrow models | 处理感知或控制，但从不两者兼顾 |
| Isaac 0.5 | General-purpose、open-weight，目标是 perceive, reason and act |
Aghajanyan 说：“Nothing like this really exists out there.” 他补充道：“We’re really excited about it.”
结论：如果任务需要在变化的环境中同时进行感知和控制，窄模型并不适用。Generalist 模型每个实例都需要专用云端 GPU。Isaac 0.5 被宣称是这些方案之间的折中。
计划应用在哪里
这家初创公司准备将软件推向市场，面向各类供应商。公司有可能将其 intelligence layer 集成到不同行业。其中包括 manufacturing、logistics and warehousing、security、mobility，以及 media and entertainment。
该软件帮助 vision-guided robots 在复杂环境中移动，例如 warehouses or factory floors。它还帮助公司从这些机器人录制的视频中提取视觉智能。
结论：实用标准是行业与场景是否匹配。对于仓库和车间而言，在复杂环境中移动以及从视频中提取数据很重要。对于 security、mobility、media 和 entertainment，公司宣称有可能进行集成。
融资与状态
Perceptron 此前筹集了 $21 million。投资方为 Bessemer Venture Partners、Foundation Capital 和 S32。这来自 Pitchbook 的数据。SmartGateVC 也参与了公司的 founding round。
据 TechCrunch 消息，这家初创公司正在完成一轮额外融资。其他条款和时间未披露。
结论：公司获得了风险基金的投资，并表示有意进行额外一轮融资。这并不能保证产品已经成熟，但会降低早期选择的风险。
