Em uma recente rodada de investimentos que sinaliza o crescente interesse e evolução no setor de robótica, a startup Physical Intelligence conseguiu arrecadar impressionantes US$ 400 milhões. Liderado por nomes de peso como Jeff Bezos, Thrive Capital e Lux Capital, este financiamento também contou com a colaboração de grandes players do mercado como OpenAI, Redpoint Ventures e Bond. Com este novo aporte, a valorização da empresa saltou significativamente para US$ 2 bilhões, um avanço notável desde os US$ 70 milhões arrecadados em março para rodadas iniciais.
Equipe Fundadora e Visão
Physical Intelligence foi criada por especialistas conceituados em robótica e inteligência artificial. Entre eles estão Karol Hausman, que já atuou como cientista em robótica no Google; Sergey Levine, professor na UC Berkeley; Chelsea Finn, professora na Universidade de Stanford; Brian Ichter, ex-cientista de pesquisa do Google; e Lachy Groom, ex-executivo da Stripe e investidor do setor tecnológico. A visão da equipe é ousada: desenvolver um modelo de IA universal capaz de controlar qualquer robô, semelhante a um “cérebro generalista” que pode ser aplicado em diversas plataformas robóticas.
Tecnologia e Abordagem
A estratégia tecnológica da Physical Intelligence é centrada na criação de modelos de fundação para robótica, com destaque para o modelo π₀ (pi-zero). Este modelo se diferencia por integrar a coleta de dados em larga escala de múltiplas tarefas e robôs com uma nova arquitetura de rede. A ideia é permitir que robôs generalizem ações a partir de menos exemplos, diferentemente dos métodos de IA tradicionais. O modelo π₀ processa imagens, textos e ações, ganhando inteligência física por meio de treinamento baseado em experiências concretas de robôs, capaz de emitir comandos motores detalhados.
Capacidades e Demonstrações
A Physical Intelligence já mostrou, com sucesso, o potencial do modelo π₀ em tarefas cotidianas práticas, como dobrar roupas, montar caixas e colocar objetos em recipientes de forma dinâmica. Um dos exemplos mais marcantes foi a capacidade do robô de distinguir entre lixo e pratos em uma mesa, descartando o que era descartável e organizando os pratos em uma bandeja específica, demonstrando um nível de compreensão e execução de tarefas antes reservado apenas a humanos.
Perguntas para Discussão
- Quais são as principais barreiras para a adoção de modelos de IA generalistas em robótica?
- Como a integração de dados de múltiplas tarefas pode ser aperfeiçoada na prática?
- Qual será o impacto dessas novas tecnologias na indústria automotiva?
Para mais insights sobre as últimas tendências em robótica, não deixe de participar do evento “What’s New” e descubra as mais recentes inovações e atualizações nesta área
Via: The Robot Report
