Auf einer metallischen Tür im Mission District von San Francisco weist das Symbol „π“ auf die innovative Arbeit hin, die drinnen stattfindet. Dieser Raum gehört zu Physical Intelligence (PI oder π), einem Startup, das bestrebt ist, die Intelligenz von Robotern zu verbessern und massive Investitionen wie 400 Millionen Dollar von OpenAI und Jeff Bezos anzuziehen. Das Unternehmen träumt davon, Robotern ein menschliches Verständnis und Geschick zu verleihen, indem sie umfangreiche Sensor- und Bewegungsdaten in ein KI-Modell einspeisen. Drinnen herrscht hektische Aktivität: Roboter falten T-Shirts und bewegen Gegenstände, während ein Mann eine Greifzange mit einer Webcam bedient. Die Gründer des Unternehmens, darunter CEO Karol Hausman, envisionieren, dass KI es Robotern ermöglicht, sich durch intuitive Steuerung an neue Aufgaben anzupassen, statt durch präzise Programmierung. Inspiriert von dem Erfolg großer Sprachmodelle (LLMs) wie ChatGPT glauben sie, dass ähnliche Fortschritte in der Robotik möglich sind. Früher zeigten LLMs, wie sie offene Aufgaben ohne konventionelle Programmierung lösen konnten. Durch die Verbesserung mit Visionsmodellen erhielten Roboter ein begrenztes Verständnis ihrer Umgebung, was informiertere Handlungen ermöglichte. Eine öffentliche Demonstration zeigte das Potenzial, indem das Publikum von einem anderen Kontinent aus einen Roboter steuerte und seine Problemlösungsfähigkeiten präsentierte. Um die physischen Fähigkeiten zu verbessern, arbeitet Physical Intelligence mit anderen Institutionen zusammen und sammelt Daten aus vielfältigen Aufgaben mithilfe von Transformationsmodellen.

Dieser Ansatz zeigt vielversprechende Ergebnisse und deutet auf außergewöhnliche zukünftige Roboterfähigkeiten hin, vergleichbar mit dem Fortschritt eines Kindes vom einfachen Greifen bis hin zum Klavierspielen durch umfassende Lernprozesse. Inmitten der Aufregung um humanoide Roboter von Startups und Technologieriesen äußern einige Experten Skepsis hinsichtlich der Überwindung der Komplexität physischer Interaktionen. Sorgen über Hype und das Fehlen umfangreicher Aktionsdaten von Robotern werden angemerkt, da physische Aufgaben mehr Variablen als die Sprachverarbeitung beinhalten. Dennoch bleibt der Optimismus bestehen; Kais Roboter könnten von menschlichen Demonstrationen lernen, möglicherweise durch das Anschauen von YouTube-Videos, und virtuelles mit realem Lernen verschmelzen. Physical Intelligence plant, seine Bemühungen auszuweiten, indem es mit Firmen kooperiert, um Daten aus verschiedenen Roboteraufgaben zu sammeln. Sie entwickeln spezielle Hardware, um möglicherweise Crowdsourcing-Training durch alltägliche Aufgaben zu nutzen. Jüngste Entwicklungen bei dem Startup zeigen erhebliche Fortschritte: Roboter meistern komplexe Haushaltsaufgaben gekonnt, mit Bewegungen, die fast menschlich wirken. Mit einem Mix aus LLMs und Bildgenerierungsmodellen hat das Team allgemeinere robotische Fähigkeiten erreicht, ähnlich den frühen Modellen von OpenAI. Trotz einiger amüsanter Fehler ist das Team optimistisch. Ihr „allgemeines Rezept“ für das Roboterlernen weist auf spannende Fortschritte hin und deutet an, dass die Integration fortschrittlicher KI in der physischen Welt zunehmend machbarer wird.