સાન ફ્રાન્સિસ્કોના મિશન ડિસ્ટ્રિક્ટમાં આવેલી એક ધાતુની દરવાજામાં "π" નું પ્રતીક અંદરના નવલકથ્ય કાર્યને સૂચવે છે. આ જગ્યાનું માલિકી ફિઝિકલ ઇન્ટેલિજન્સ (PI અથવા π) નામના સ્ટાર્ટઅપનું છે, જે રોબોટ ઇન્ટેલિજન્સ વધારવા માટે કામ કરી રહ્યું છે, જેમાં ઓપનએઆઇ અને જેમ બેજોસમાંથી $400 મિલિયન જેવા વિશાળ રોકાણ ખેંચી રહ્યાં છે. કંપની માનવીય સમજી શકવાના અને કુશળતા જેવા ગુણધર્મો સાથે રોબોટ્સને ભરવાનું સ્વપ્ન જોતી છે, જેથી સેન્સર અને મોશન ડેટાને એઆઇ મોડેલમાં ફીડ કરી શકાય. અંદર, પ્રવૃત્તિ ખૂબ જ તીવ્ર છે: રોબોટ ટીષર્ટ ફોલ્ડ કરે છે અને વસ્તુઓ ખસેડે છે, જ્યારે એક માણસ વેબકેમ સાથે પિન્સર ચલાવે છે. કંપનીના સ્થાપકો, જેમાં સીઇઓ કેરોલ હાઉસમેન પણ સામેલ છે, એઆઇના માધ્યમ દ્વારા રોબોટ્સને નવી કાર્ય માટે અનુકૂળ હોવા માટે તંતૂના નિયંત્રણ કરતાં વધારેબધી intuitive સુવિધા પ્રદાન કરવાનું સ્વપ્ન જોते છે. તેઓ માનીએ છે કે મોટા ભાષા મોડેલો (LLMs) જેવા જ્યારે રોબોટિક્સમાં સમાન પ્રગતિ શક્ય છે, તો AI આને શક્ય બનાવશે. પહેલા, LLMs એ બતાવ્યું કે તેઓ કેવી રીતે પરંપરાગત પ્રોગ્રામિંગ વિના ઓપન એન્ડેડ કાર્યનો ઉકેલ કરી શકે છે. વિઝન મોડેલો સાથે વધારીને, રોબોટ્સમાં અમારા આસપાસની સામગ્રીને સમજવાની સીમિત ક્ષમતા મળી, જે વધુ જાણકારીવાળું કાર્ય શક્ય બનાવે છે. એક જાહેર પ્રદર્શન દરમિયાન દર્શાવવામાં આવ્યું હતું કે, દર્શકો કન્ટિનેન્ટ ઉપર રોબોટને નિયંત્રિત કરતા હતા, જે દર્શાવિત કરી રહી હતી તેના સમસ્યા ઉકેલવાની ક્ષમતા. ભૌતિક ક્ષમતા સુધારવા માટે, ફિઝિકલ ઇન્ટેલિજન્સ અન્ય સંસ્થાઓ સાથે સહકારમાં કામ કરીને વિવિધ કાર્યમાંથી ડેટા એકત્રિત કરે છે.

આ માર્ગદર્શિકાથી અસાધારણ ભવિષ્યના રોબોટિક કુશળતાનો સંકેત આપે છે, જેનાથી બાળકના મૂળભૂત પકડથી લઈને વધુ જટિલ કામ સુધી તે વિસ્તરે છે. સ્ટાર્ટઅપ્સ અને ટેક જાયન્ટમાંથી હ્યુમનોઇડ રોબોટ્સની આસપાસ ઉત્સાહ વચ્ચે, કેટલાક નિષ્ણાતો શારિરિક ક્રિયાપ્રતિક્રિયાની જટિલતાઓ વિશે સંશય દર્શાવે છે. હાઇપ વિશેની ચિંતા અને મોટા પાયે રોબોટ શિક્ષણના આંકડા વધારવાની પરંપરાગત સમસ્યાઓ સમજાય છે, কারণ ભૌતિક કાર્યમાં ભાષા પ્રક્રિયામાંથી વધુ વેરિએબલ સામેલ થાય છે. છતાં, આદર્શવાદી અભિગમ ચાલુ છે; કઇસ રોબોટ્સ માનવીય પ્રદર્શનોથી શીખશે, શક્ય છે કે યુટ્યુબ વિડિયો જોઈને, વર્ચ્યુઅલ અને વાસ્તવિક દુનિયાના અભ્યાસને જોડતા શીખશે. ફિઝિકલ ઈન્ટેલિજન્સ અન્ય કંપનીઓ સાથે સંકલન કરીને વિવિધ રોબોટિક કાર્યમાંથી ડેટા એકત્રિત કરીને તેના પ્રયાસોને વિસ્તરણ કરવાનો પ્લાન કરી રહ્યું છે. તેઓ કસ્ટમ હાર્ડવેર વિકસાવી રહ્યા છે, જેનું મકસદ લોકોના દૈનિક કાર્યો દ્વારા ક્રાઉડસોર્સ્ડ શિક્ષણને ઉપયોગમાં લેવા છે. સ્ટાર્ટઅપમાં તાજી પ્રગતિ દર્શાવે છે કે રોબોટ્સ જટિલ ઘરગથ્થુ કાર્યો પાત્રતાપૂર્વક કરી રહ્યા છે, તેમની ગતિ ઓછી રીતે માનવીય લાગે છે. LLMs અને છબી ઉત્પત્તિ મોડેલો મિશ્રણનો ઉપયોગ કરીને, ટીમે ઓપનએઆઇના પ્રારંભિક મોડેલો જેવી સામાન્ય રોબોટિક ક્ષમતા મેળવી છે. કેટલાંક રમુજી ભૂલ હોવા છતાં, ટીમ આત્મવિશ્વાસ દર્શાવે છે. રોબોટ શિક્ષણ માટે તેમની "સામાન્ય રેસિપી" આકર્ષક પ્રગતિ સૂચવે છે, જો કે એઆઇના શોખીનતા અને ભૌતિક દુનિયામાં તેનો વ્યુત્પન્ન થતા બોજને કદાચ વધુ સંજોગો આપે છે.