全著者
Bo Ai1, Ali Amin1, Raichelle Aniceto1, Ashwin Balakrishna1, Greg Balke1, Kevin Black1, George Elledge Bokinsky1, Shihao Cao1, Thomas Charbonnier1, Vedant Choudhary1, Foster Collins1, Ken Conley1, Grace B Connors1, James Darpinian1, Karan Dhabalia1, Maitrayee Dhaka1, Jared Di Carlo1, Danny Driess1, Michael Robert Equi1, Adnan Esmail1, Yunhao Fang1, Chelsea Finn1, Catherine Glossop1, Thomas Godden1, Ivan Goryachev1, Lachy Groom1, Haroun Habeeb1, Hunter Hancock1, Karol Hausman1, Gashon Hussein1, Victor Hwang1, brian ichter1, Connor Jacobsen1, Szymon Jakubczak1, Rowan Jen1, Tim Jones1, Gregg Kammerer1, Benjamin Katz1, Liyiming Ke1, Mairbek Khadikov1, Chandra Kuchi1, Marinda Lamb1, Devin LeBlanc1, Sergey Levine1, Xinyu Li1, Adrian Li-Bell1, Vladislav Lialin1, Zhonglin Liang1, Wallace Lim1, Yao Lu1, Enyu Luo1, Vishnu Mano1, Nandan Marwaha1, Aikys Mongush1, Liam Murphy1, Suraj Nair1, Karl Pertsch1, Allen Z. Ren1, Gavin Schelske1, Charvi Sharma1, Baifeng Shi1, Lucy Xiaoyang Shi1, Laura Smith1, Jost Tobias Springenberg1, Kyle Stachowicz1, Will Stoeckle1, Jiaming Tang1, James Tanner1, Shalom Tekeste1, Marcel Torne1, Kyle Vedder1, Quan Vuong1, Anna Walling1, Haohuan Wang1, Jason Wang1, XuDong Wang1, Christopher Whalen1, Sam Whitmore1, Blake Williams1, Charles Xu1, Sukwon Yoo1, Lili Yu1, Wuming Zhang1, Zhuoyang Zhang1, Ury Zhilinsky1
1Physical Intelligence
Physical Intelligenceはπ0.7を発表した。これは豊かなマルチモーダルプロンプト、すなわちサブゴール画像、詳細なサブタスク指示、そしてタスクがどのように実行されたか(品質、ミス、速度など)を記述するメタデータで学習した汎用ロボット基盤モデルである。追加学習なしで、単一のモデルが洗濯物たたみ、エスプレッソ作り、箱折りにおいて、タスク特化のRL事後学習を施したπ*0.6に匹敵し、ときには上回る。さらに、以前のPIのリリースで扱われたタスクもファインチューニングなしで実行できる。メタデータにより、品質の混在した遠隔操作データや評価データから学習でき、著者らは、UR5向けの洗濯データが一切ないにもかかわらずUR5の双腕構成でシャツをたたむといった、創発的な合成的汎化を強調した。質疑応答では、品質ラベルは主に事後的な人手のアノテーションによるもので、速度は品質とよく相関するシグナルの1つだと説明した。