Искусственный интеллект для производства в одной модели: стартап из Meta открыл веса Isaac 0.5

Perceptron, основанный в ноябре 2024 года двумя бывшими исследователями лаборатории FAIR (Fundamental AI Research, подразделение Meta по фундаментальным исследованиям в области ИИ), на этой неделе представил Isaac 0.5. Об этом сообщил TechCrunch. Сооснователи Армен Агаджанян и Акшат Шривастава позиционируют продукт как универсальную модель машинного зрения для промышленности, которая позволяет роботам «воспринимать, рассуждать и действовать» на складах и в цехах.

Почему одна модель вместо пяти отдельных?

Сегодня искусственный интеллект на производстве устроен фрагментарно. Одна программа читает штрихкоды, другая строит карту помещения, третья управляет захватом. Perceptron утверждает, что Isaac 0.5 берёт на себя все эти функции в рамках единого решения.

Акшат Шривастава приводит пример с сортировкой коробок. Роботу нужно прочитать этикетку, понять расположение объектов в пространстве, решить, какую коробку взять первой, и спланировать порядок действий. Софт для каждого шага уже существует, но мало какие решения способны гибко переключаться между этапами.

«Физический ИИ сегодня навязывает ложный выбор: либо универсальные базовые модели, которым нужно несколько выделенных облачных GPU на каждый экземпляр, либо узкие модели, которые умеют распознавать или управлять, но никогда то и другое вместе» : Perceptron, официальное заявление компании

На каких данных учится модель?

Isaac 0.5 обучалась на миллионе часов так называемого «общего видео», чтобы распознавать обстановку, объекты и сценарии. Компания также использовала эго-видео (запись от первого лица через носимую камеру, когда человек выполняет физическую задачу) и UMI-видео (съёмка повторяющихся действий человека, по которым ИИ-система учится движениям).

Источники данных компания не раскрывает. Шривастава сообщил только, что внутри Perceptron «собраны датасеты петабайтного масштаба, охватывающие изображения, текст, видео и траектории роботов».

Модель является мультимодальной (multimodal), то есть обрабатывает несколько типов входных данных одновременно: видеопоток, текстовые команды и пространственную информацию.

Деньги и планы

По данным Pitchbook, в 2024 году Perceptron привлёк 16 млн долларов от Bessemer Venture Partners, The Explorer Fund и SmartGateVC. TechCrunch сообщает, что стартап сейчас закрывает дополнительный раунд; сумму компания не раскрыла.

Целевые отрасли: производство, логистика и складское хозяйство, безопасность, мобильность, а также медиа и развлечения. Компания планирует продавать софт различным вендорам, чтобы встроить свой «слой интеллекта» в широкий спектр индустрий.

Что понадобится

• Доступ к модели. Isaac 0.5 выпущена с открытыми весами, параметры и обучающие данные (training data) можно скачать и изучить. Конкретную платформу для скачивания компания пока не указала в публичных материалах.
• Оборудование. Робот с камерой, который уже работает на складе или производственной линии. Модель принимает видеопоток и отдаёт команды.
• Техническая команда. Интеграция потребует разработчика, который умеет подключать модели машинного зрения к контроллерам роботов.
• Время на пилот. Точных сроков внедрения компания не называет.

Пошаговая инструкция: как попробовать подход Perceptron

1. Оцените текущий стек. Посчитайте, сколько отдельных программ сейчас управляют роботами: чтение этикеток, навигация, захват, планирование маршрута. Каждая точка стыковки между ними потенциальный сбой и расход на поддержку.

2. Изучите открытые веса Isaac 0.5. Загрузите модель, когда появится публичный репозиторий. Проверьте, совместимы ли входные форматы с камерами ваших роботов.

3. Запустите тест на одном участке. Выберите конвейер или зону склада с типовой задачей (например, сортировка по этикеткам). Подключите видеопоток к модели и сравните результат с текущим решением.

4. Замерьте метрики. Фиксируйте скорость обработки, процент ошибок распознавания, время на переключение между задачами. Без цифр решение о масштабировании принять невозможно.

5. Масштабируйте или ищите альтернативу. Если пилот показал улучшение, подключайте другие участки. Если нет, у вас уже есть внутренний бенчмарк для сравнения с конкурентами.

Что делать с этим прямо сейчас, по ролям

Автору Дзена. Тема «искусственный интеллект на производстве» вызывает стабильный интерес. Разберите для своей аудитории, чем открытые веса отличаются от полностью открытой модели (опенсорс): в случае Isaac 0.5 параметры доступны, но архитектура и код обучения не обязательно.

Маркетологу. Если ваш клиент в логистике или складской отрасли, следите за Perceptron как за кейсом: стартап явно целится в B2B-продажи через вендоров. Ранний обзор продукта привлечёт отраслевой трафик.

Предпринимателю в РФ и СНГ. Perceptron пока не сообщал о планах выхода на российский рынок. Из доступных в России направлений: российские интеграторы робототехники (например, Ronavi Robotics, «Аркодим») уже работают со складской автоматизацией, но используют собственные или лицензированные алгоритмы. Открытые веса Isaac 0.5 теоретически позволяют протестировать модель, однако вопрос санкционных ограничений на GPU и облачную инфраструктуру остаётся открытым.

Промышленная робототехника получила модель с открытыми весами, которая претендует на замену нескольких узких решений одним универсальным. Проверить, насколько это работает за пределами демо, можно уже сейчас, и именно результаты таких проверок покажут, станет ли подход Perceptron стандартом или останется амбицией раннего стартапа.