Ex-Meta-Forscher wollen visuelle KI in Fabriken einführen

Künstliche Intelligenz verändert unsere Welt, hat sich jedoch bisher weitgehend auf digitale Grenzen beschränkt. Nun bringt eine neue Welle von Startups diese Fähigkeiten in die physische Welt.

Perceptron, gegründet von zwei ehemaligen Meta-Forschern, führt diese Veränderung an. Das im November 2024 gegründete Unternehmen entwickelt fortschrittliche Sehmodelle, die Maschinen befähigen, effektiver mit ihrer physischen Umgebung zu interagieren.

Diese Woche stellte Perceptron Isaac 0.5 vor, ein Modell, das Maschinen die Fähigkeit verleiht, in industriellen Umgebungen „wahrzunehmen, zu reasoned und zu handeln“. Die Software befähigung sehgesteuerte Roboter, komplexe Räume wie Fabriken und Lagerhäuser zu navigieren, und ermöglicht es Unternehmen gleichzeitig, wertvolle visuelle Erkenntnisse aus den von diesen Robotern aufgenommenen Aufnahmen zu extrahieren.

Isaac 0.5 ist als Open-Weight-Modell verfügbar, wodurch seine Parameter und Trainingsdaten zur öffentlichen Einsicht zugänglich sind.

Perceptron wurde von Armen Aghajanyan und Akshat Shrivastava gegründet, beide ehemalige Mitglieder des Fundamental AI Research (FAIR)-Teams von Meta. Das Unternehmen sicherte kürzlich 21 Millionen US-Dollar an Finanzierung, angeführt von Bessemer Venture Partners. Die Gründer sehen ihre Software als den nächsten Schritt in der industriellen Automatisierung.

„Aktuelle Physical AI stellt ein falsches Dilemma dar: Generalistische Foundation Models, die pro Instanz mehrere dedizierte Cloud-GPUs erfordern, oder schmale Modelle, die entweder nur Wahrnehmung oder nur Steuerung übernehmen, aber selten beides“, erklärt das Unternehmen.

Aghajanyan und Shrivastava argumentieren, dass sich ihr Werkzeug von bestehenden Lösungen dadurch unterscheidet, dass es allgemein nutzbar ist. Statt für eine einzelne repetitive Aufgabe optimiert zu sein, ist das Modell darauf ausgelegt, sich flexibel an verschiedene Umgebungen und Situationen anzupassen.

In einem Interview regte Shrivastava dazu an, über einfache physische Aufgaben wie das Ordnen von Kartons nachzudenken: „Stellen Sie sich einen Roboter vor, der eingesetzt wird, um Pakete zu sortieren. Welche spezifischen Aufgaben muss er ausführen?“

Dieser scheinbar einfache Vorgang umfasst mehrere komplexe Schritte. Der Roboter muss zunächst Paketetiketten lesen, eine räumliche Analyse durchführen, um die Kartons zu lokalisieren, und entscheiden, welches Element er greifen soll. Bei der Handhabung mehrerer Kartons muss er zudem die Sequenz und Reihenfolge der Operationen planen.

Die Software von Perceptron unterstützt Roboter bei der Navigation durch jeden dieser Schritte. Während andere Tools der Branche einzelne Aufgaben bewältigen können, bietet nur wenige die Flexibilität, die für dynamische, reale Anwendungen erforderlich ist.

Woher stammen also die Daten für diese algorithmische Innovation?

Modelle wie Isaac 0.5 erwerben operative Fähigkeiten durch die Verarbeitung massiver Mengen an Video-Trainingsdaten. Perceptron gibt an, dass sein neues Modell mit einer Million Stunden allgemeinen Videos trainiert wurde, um Einstellungen, visuelle Elemente und Szenarien zu erkennen. Das Unternehmen nutzte zudem Ego-Video – Aufnahmen aus der Ich-Perspektive, oft aufgenommen durch tragbare Kameras – sowie UMI-Video, das repetitive menschliche Bewegungen aufzeichnet, um KI-Systemen physische Aktionen beizubringen.

Obwohl Perceptron keine spezifischen Datenquellen offengelegt hat, bemerkte Shrivastava, dass das Unternehmen „intern petabyte-große Datensätze über mehrere Modalitäten hinweg aufgebaut hat, einschließlich Bildern, Text, Video und Robotertrajektorien.“

Das Potenzial für Software, die es Robotern ermöglicht, effizient in Lagerhäusern zu operieren, ist enorm. Perceptron ist der Ansicht, dass es gut positioniert ist, diese Automatisierungswelle voranzutreiben, indem es seine Software verschiedenen Anbietern zur Integration in diverse Branchen anbietet.

Zielsektoren umfassen Fertigung, Logistik, Lagerhaltung, Sicherheit, Mobilität sowie Medien und Unterhaltung.

„Der Markt bietet derzeit nichts Vergleichbares“, erklärte Aghajanyan. „Wir sind wirklich begeistert von den Möglichkeiten.“