Pesquisadores ex-Meta visam levar a IA visual para as fábricas

A inteligência artificial está remodelando nosso mundo, mas permaneceu, em sua maioria, dentro dos limites digitais. Agora, uma nova onda de startups está trazendo essas capacidades para o mundo físico.
A Perceptron, fundada por dois ex-pesquisadores da Meta, está liderando essa mudança. Estabelecida em novembro de 2024, a empresa desenvolve modelos de visão avançados que permitem às máquinas interagir de forma mais eficaz com seu entorno físico.
Esta semana, a Perceptron apresentou o Isaac 0.5, um modelo projetado para dotar as máquinas da capacidade de “perceber, raciocinar e agir” em ambientes industriais. O software capacita robôs guiados por visão a navegar por espaços complexos, como fábricas e armazéns, ao mesmo tempo em que permite às empresas extrair insights visuais valiosos a partir das imagens capturadas por esses robôs.
O Isaac 0.5 está disponível como um modelo de pesos abertos, tornando seus parâmetros e dados de treinamento acessíveis para inspeção pública.
Co-fundada por Armen Aghajanyan e Akshat Shrivastava, ambos ex-membros da equipe de Pesquisa Fundamental de IA (FAIR) da Meta, a Perceptron recentemente garantiu US$ 21 milhões em financiamento liderado pela Bessemer Venture Partners. Os fundadores envisionam seu software como o próximo passo na automação industrial.
“A IA Física atual apresenta um falso dilema: modelos de base generalistas que exigem múltiplas GPUs de nuvem dedicadas por instância, ou modelos estreitos que lidam com percepção ou controle, mas raramente com ambos”, explica a empresa.
Aghajanyan e Shrivastava argumentam que sua ferramenta difere das soluções existentes por ser de propósito geral. Em vez de ser otimizada para uma única tarefa repetitiva, o modelo é construído para se adaptar com flexibilidade a diversos ambientes e situações.
Em uma entrevista, Shrivastava provocou uma reflexão sobre tarefas físicas simples, como organizar caixas: “Considere um robô implantado para classificar pacotes. Quais tarefas específicas ele deve realizar?”
Esse processo aparentemente simples envolve múltiplas etapas complexas. O robô deve primeiro ler os rótulos dos pacotes, realizar uma análise espacial para localizar as caixas e determinar qual item deve ser pego. Ao lidar com múltiplas caixas, ele também deve planejar a sequência e a ordem das operações.
O software da Perceptron auxilia os robôs a navegar por cada uma dessas etapas. Embora outras ferramentas do setor possam lidar com tarefas individuais, poucas oferecem a flexibilidade necessária para aplicações dinâmicas do mundo real.
Então, de onde vêm os dados para essa inovação algorítmica?
Modelos como o Isaac 0.5 adquirem habilidades operacionais processando volumes massivos de dados de treinamento em vídeo. A Perceptron afirma que seu novo modelo foi treinado em um milhão de horas de vídeo geral para reconhecer cenários, elementos visuais e situações. A empresa também utilizou vídeos em primeira pessoa (ego video) — imagens capturadas de uma perspectiva em primeira pessoa, frequentemente por meio de câmeras vestíveis — e vídeos UMI, que registram movimentos humanos repetitivos para ensinar sistemas de IA ações físicas.
Embora a Perceptron não tenha divulgado fontes de dados específicas, Shrivastava observou que a empresa “construiu internamente conjuntos de dados em escala de petabytes abrangendo múltiplas modalidades, incluindo imagens, texto, vídeo e trajetórias robóticas”.
O potencial para software que permite aos robôs operar com eficiência em armazéns é imenso. A Perceptron acredita estar bem posicionada para impulsionar essa onda de automação, oferecendo seu software a diversos fornecedores para integração em setores diversos.
Os setores-alvo incluem manufatura, logística, armazenagem, segurança, mobilidade e mídia e entretenimento.
“Nada disso existe atualmente no mercado”, afirmou Aghajanyan. “Estamos verdadeiramente entusiasmados com as possibilidades.”
Artigo relacionado
Empirik, apoiada pela Sequoia, arrecada US$ 21 milhões para prever interrupções antes que ocorram
Antes de ingressar na Sequoia Capital em 2020 como diretora de tecnologia digital e informação, Avon Puri passou mais de uma década liderando a infraestrutura na Rubrik e na VMware. Há três anos, quando os grandes modelos de linguagem começaram a mos
O Muse da Meta supera o ChatGPT no lançamento inicial para dispositivos móveis
Novos dados sugerem que o mais recente aplicativo de IA da Meta, o Muse, pode se tornar o próximo grande sucesso do gigante das redes sociais. De acordo com estimativas recentes da Appfigures, o Muse foi baixado em dispositivos móveis mais vezes em s
A ElevenLabs anuncia a entrada da BlackRock, Jamie Foxx e Longoria como novos investidores
ElevenLabs, líder em IA de voz, anunciou novos participantes em sua rodada de financiamento Série D de US$ 500 milhões, revelada inicialmente em fevereiro. A lista de investidores agora inclui grandes instituições como BlackRock, Wellington, D.E. Sha
Recomendações de tópicos especiais relacionados
Comentários (0)

A inteligência artificial está remodelando nosso mundo, mas permaneceu, em sua maioria, dentro dos limites digitais. Agora, uma nova onda de startups está trazendo essas capacidades para o mundo físico.
A Perceptron, fundada por dois ex-pesquisadores da Meta, está liderando essa mudança. Estabelecida em novembro de 2024, a empresa desenvolve modelos de visão avançados que permitem às máquinas interagir de forma mais eficaz com seu entorno físico.
Esta semana, a Perceptron apresentou o Isaac 0.5, um modelo projetado para dotar as máquinas da capacidade de “perceber, raciocinar e agir” em ambientes industriais. O software capacita robôs guiados por visão a navegar por espaços complexos, como fábricas e armazéns, ao mesmo tempo em que permite às empresas extrair insights visuais valiosos a partir das imagens capturadas por esses robôs.
O Isaac 0.5 está disponível como um modelo de pesos abertos, tornando seus parâmetros e dados de treinamento acessíveis para inspeção pública.
Co-fundada por Armen Aghajanyan e Akshat Shrivastava, ambos ex-membros da equipe de Pesquisa Fundamental de IA (FAIR) da Meta, a Perceptron recentemente garantiu US$ 21 milhões em financiamento liderado pela Bessemer Venture Partners. Os fundadores envisionam seu software como o próximo passo na automação industrial.
“A IA Física atual apresenta um falso dilema: modelos de base generalistas que exigem múltiplas GPUs de nuvem dedicadas por instância, ou modelos estreitos que lidam com percepção ou controle, mas raramente com ambos”, explica a empresa.
Aghajanyan e Shrivastava argumentam que sua ferramenta difere das soluções existentes por ser de propósito geral. Em vez de ser otimizada para uma única tarefa repetitiva, o modelo é construído para se adaptar com flexibilidade a diversos ambientes e situações.
Em uma entrevista, Shrivastava provocou uma reflexão sobre tarefas físicas simples, como organizar caixas: “Considere um robô implantado para classificar pacotes. Quais tarefas específicas ele deve realizar?”
Esse processo aparentemente simples envolve múltiplas etapas complexas. O robô deve primeiro ler os rótulos dos pacotes, realizar uma análise espacial para localizar as caixas e determinar qual item deve ser pego. Ao lidar com múltiplas caixas, ele também deve planejar a sequência e a ordem das operações.
O software da Perceptron auxilia os robôs a navegar por cada uma dessas etapas. Embora outras ferramentas do setor possam lidar com tarefas individuais, poucas oferecem a flexibilidade necessária para aplicações dinâmicas do mundo real.
Então, de onde vêm os dados para essa inovação algorítmica?
Modelos como o Isaac 0.5 adquirem habilidades operacionais processando volumes massivos de dados de treinamento em vídeo. A Perceptron afirma que seu novo modelo foi treinado em um milhão de horas de vídeo geral para reconhecer cenários, elementos visuais e situações. A empresa também utilizou vídeos em primeira pessoa (ego video) — imagens capturadas de uma perspectiva em primeira pessoa, frequentemente por meio de câmeras vestíveis — e vídeos UMI, que registram movimentos humanos repetitivos para ensinar sistemas de IA ações físicas.
Embora a Perceptron não tenha divulgado fontes de dados específicas, Shrivastava observou que a empresa “construiu internamente conjuntos de dados em escala de petabytes abrangendo múltiplas modalidades, incluindo imagens, texto, vídeo e trajetórias robóticas”.
O potencial para software que permite aos robôs operar com eficiência em armazéns é imenso. A Perceptron acredita estar bem posicionada para impulsionar essa onda de automação, oferecendo seu software a diversos fornecedores para integração em setores diversos.
Os setores-alvo incluem manufatura, logística, armazenagem, segurança, mobilidade e mídia e entretenimento.
“Nada disso existe atualmente no mercado”, afirmou Aghajanyan. “Estamos verdadeiramente entusiasmados com as possibilidades.”
Empirik, apoiada pela Sequoia, arrecada US$ 21 milhões para prever interrupções antes que ocorram
Antes de ingressar na Sequoia Capital em 2020 como diretora de tecnologia digital e informação, Avon Puri passou mais de uma década liderando a infraestrutura na Rubrik e na VMware. Há três anos, quando os grandes modelos de linguagem começaram a mos
O Muse da Meta supera o ChatGPT no lançamento inicial para dispositivos móveis
Novos dados sugerem que o mais recente aplicativo de IA da Meta, o Muse, pode se tornar o próximo grande sucesso do gigante das redes sociais. De acordo com estimativas recentes da Appfigures, o Muse foi baixado em dispositivos móveis mais vezes em s
A ElevenLabs anuncia a entrada da BlackRock, Jamie Foxx e Longoria como novos investidores
ElevenLabs, líder em IA de voz, anunciou novos participantes em sua rodada de financiamento Série D de US$ 500 milhões, revelada inicialmente em fevereiro. A lista de investidores agora inclui grandes instituições como BlackRock, Wellington, D.E. Sha





Lar






