何が起きたか

Physical Intelligenceは、ブログで新しいモデル「π0.7」を発表した。同社によると、π0.7は微調整された専門モデルと同等の性能で幅広い器用なタスクを実行でき、訓練データにない新しい言語コマンドやタスクにも従えるという。実験では、新しいキッチン家電の使用や、洗濯物をたたむデータがないロボットでの洗濯物たたみなど、合成的汎化の初期兆候が見られたとしている。同社は、π0.7がRLで微調整されたπ*0.6専門モデルと同等の速度と堅牢性で器用な操作スキルを実行でき、学習したスキルを組み合わせて新しいタスクを解決し、ロボットプラットフォーム、シーン、タスクをまたいで従来モデルより効果的に汎化すると主張している。また、汎化の鍵は多様なデータであり、異なるロボット、人間のデータ、様々なポリシーによる自律エピソードを含むが、単純に統合するだけでは良い結果が得られず、データの活用方法が重要だと述べている。

Key Facts

Physical Intelligenceは新しいモデル「π0.7」を訓練した。[0]
π0.7は、微調整された専門モデルと同じ性能で幅広い器用なタスクを実行できると同社は主張している。[0]
π0.7は、訓練データにない新しい言語コマンドやタスクに従えると同社は述べている。[0]
実験では、π0.7は合成的汎化の初期兆候を示し、新しいキッチン家電の使用や、洗濯物をたたむデータがないロボットでの洗濯物たたみを実証したと同社は報告している。[0]
同社は、π0.7がRLで微調整されたπ*0.6専門モデルと同等の速度と堅牢性で器用な操作スキルを実行できるとしている。[0]
同社は、π0.7がロボットプラットフォーム、シーン、タスクをまたいで従来モデルより効果的に汎化すると述べている。[0]
同社は、汎化の鍵は多様なデータであり、異なるロボット、人間のデータ、様々なポリシーによる自律エピソードを含むと説明している。[0]
同社は、データを単純に統合するだけでは良い結果が得られず、データの活用方法が重要だと述べている。[0]

なぜ重要か

ロボット基盤モデルにおける合成的汎化は、LLMで見られるような能力であり、これまでのVLAモデルでは実証されていなかった。π0.7が未学習のタスクを実行できるとすれば、ロボットの汎用性向上に寄与する可能性がある。ただし、これは同社の主張であり、第三者による検証はまだない。