Стартап General Intuition разрабатывает фундаментальные модели для физического ИИ, используя огромные массивы данных из видеоигр. Компания стремится сократить зависимость робототехники от дорогостоящего сбора данных в реальном мире, обучая системы на симулированных средах. Такой подход призван ускорить создание универсальных роботов, способных эффективно обучаться сложным манипуляциям с минимальным количеством физических испытаний.
Традиционное обучение роботов требует тысяч часов работы в физических лабораториях, что замедляет масштабирование технологий. Использование игровых движков и накопленных записей геймплея позволяет моделям «видеть» разнообразные сценарии взаимодействия с объектами в виртуальном пространстве. Это создает базу для переноса навыков (sim-to-real) в реальные условия, где робот может адаптироваться к новым задачам без необходимости переобучения с нуля.
Технология опирается на концепцию «физического интеллекта», где модель учится понимать законы механики и пространства через визуальные данные. В отличие от классических методов программирования движений, такой подход позволяет роботам импровизировать при выполнении задач, с которыми они ранее не сталкивались. Это приближает индустрию к созданию гибких автономных систем для логистики и производства.
Ключевые факты
- General Intuition фокусируется на создании фундаментальных моделей для физического ИИ.
- В качестве обучающих данных используются миллионы часов видеозаписей игровых процессов.
- Основная цель — минимизация потребности в сборе данных в реальном физическом мире.
- Технология направлена на ускорение обучения роботов сложным манипуляциям через симуляцию.