مغز ربات‌ها ابری شد؛ استارتاپ Physical Intelligence پای مدل‌های پایه‌اش را به یک API باز کرد

استارتاپ Physical Intelligence مغز ربات‌ها را به یک API ابری وصل کرد

استارتاپ نامدار Physical Intelligence (معروف به Pi) نسخه بتای سرویس Pi API را در دسترس عموم قرار داد تا تیم‌های متفرقه نیز بتوانند به مدل‌های پایه رباتیک این شرکت دسترسی داشته باشند؛ همان مدل‌هایی که پیش‌تر صرفاً در پروژه‌های مشارکتی و اختصاصی این تیم به کار گرفته می‌شدند. از این پس تیم‌های مهندسی می‌توانند داده‌های رفتاری ربات‌های خود را آپلود کنند، مدل را روی زیرساخت مدیریت‌شده Pi فاین‌تیون نمایند و در نهایت دستورات حرکتی حاصل را از طریق یک اندپوینت اینفرِنس ابری به ربات تحویل دهند. این سرویس در واقع همان روند کار مدل‌های مدیریت‌شده در دنیای هوش مصنوعی زبانی و LLMها را به دنیای جذاب کنترل فیزیکی ربات‌ها آورده است.

تا پیش از این، تیم‌هایی که قصد داشتند مدل‌های متن‌باز π0 و π0.5 را برای کار‌های خود بهینه‌سازی کنند، مجبور بودند بار سنگین تأمین زیرساخت محاسباتی آموزش، خطوط انتقال داده، سیستم استقرار و اجرای مدل را تماماً خودشان به دوش بکشند. در دنیای رباتیک، یک خط‌مشی ربات (Robot Policy) وظیفه دارد داده‌های حسی و دستورات کاربر را به کنش‌های فیزیکی مانند حرکت دادن بازو یا بستن گیره ترجمه کند. مدل‌های پایه شرکت Pi یک مخزن غنی از درک فیزیکی دنیای واقعی را به اشتراک می‌گذارند که نیاز به داده‌برداری و آموزش مجدد برای هر ربات، تسک یا محیط خاص را به حداقل می‌رساند.

از نمایش حرکات تا عمل در دنیای واقعی

روند کار به شکلی طراحی شده که مهندسان کار را با هدایت دستی ربات (Teleoperation) و ثبت ویدیوها و داده‌های مربوط به انجام موفق مأموریت آغاز می‌کنند. سپس زیرساخت Pi مدل پایه‌اش را بر اساس همین مجموعه داده فاین‌تیون می‌کند و در زمان استقرار واقعی، درگاه ابری پیش‌بینی کنش‌های بعدی ربات را به لحظه به دستگاه می‌فرستد. این چرخه توسعه دقیقاً در چهار مرحله خلاصه می‌شود:

1. ثبت نمونه‌حرکات موفق ربات از طریق هدایت از راه دور (Teleoperation).
2. آپلود دیتاست و فاین‌تیون کردن مدل Pi روی سرور‌های ابری.
3. اتصال سخت‌افزار ربات به درگاه اینفرِنس ابری.
4. ثبت خطاهای پیش‌آمده، جمع‌آوری داده‌های تکمیلی برای رفع نقص‌ها و آموزش مجدد.

در این رویکرد، خطاهایی که در دنیای واقعی رخ می‌دهند دقیقاً مشخص می‌کنند که در مرحله بعد چه داده‌هایی باید جمع‌آوری شوند. شرکت Pi برای نمونه به مواردی مثل وارونه شدن لباس‌ها هنگام تا کردن، ریختن مواد اولیه از قاشقک ربات آشپز، یا نشستن قطعات تولیدی در جای اشتباه اشاره کرده است. این وضعیت‌های خاص و پیش‌بینی‌نشده (Edge Cases) در دنیای فیزیکی، همان باگ‌ها و خلاءهایی هستند که معمولاً در بنچمارک‌های تئوری و کلی پشت نمرات بالا پنهان می‌مانند.

تیم Pi تأکید کرده که جدید‌ترین مدل API این شرکت بهره‌وری فاین‌تیون و عملکرد شرکای تجاری را حسابی ارتقا داده است. این شرکت همچنین قصد دارد مدل‌های پایه جدید‌تر خود را نیز از طریق همین اندپوینت منتشر کند؛ موضوعی که بحث نسخه‌بندی مدل‌ها و سازگاری با نسخه‌های قبلی را به یکی از دغدغه‌های کلیدی تیم‌هایی تبدیل می‌کند که کدهای رفتاری را مستقیماً روی سخت‌افزار فیزیکی تست می‌کنند.

یک مدل پایه برای انواع و اقسام ماشین‌ها

فهرست همکاران طراحی Pi طیف گسترده‌ای از حوزه‌ها را در بر می‌گیرد؛ از ساخت‌وساز، تولید صنعتی و کشاورزی گرفته تا صنایع غذایی و لجستیک. این تنوع در واقع یک آزمون عملی و زودهنگام است تا ببینیم آیا یک مدل پایه واحد واقعاً می‌تواند خود را با ربات‌ها و مسائل کنترلی کاملاً متفاوت وفق دهد یا خیر.

به گفته Pi، اکثر پروژه‌های این شرکا در کشور‌های ژاپن، سوئیس و ایالات متحده، از اینفرِنس میزبانی‌شده روی ابر استفاده کرده‌اند. با این حال، اجرای این پروژه‌ها چالش‌های ارتباطی و قطعی‌های ناخواسته شبکه را هم عیان کرد؛ مسأله‌ای که برای سرویسی که داده‌های زنده سنسورهای ربات را به یک سرور از راه دور می‌فرستد و منتظر پیش‌بینی حرکت بعدی می‌ماند، آسیبی جدی و مستقیم به شمار می‌آید.

ارائه سرویس از طریق ابر پای متغیرهایی مثل تأخیر رفت‌وبرگشت داده‌ها (Latency)، قطعی‌های ناگهانی شبکه و ضرورت بازیابی از خطا را به چرخه کنترل ربات باز می‌کند. به همین دلیل، تیم‌هایی که قصد دارند این API را آزمایش کنند، باید میزان تأخیر را در شرایط واقعی بسنجند، سیستم‌های ایمنی حیاتی را حتماً به صورت محلی روی خود ربات نگه دارند و مشخص کنند که در صورت کندی شدید یا قطعی موقت درگاه ابری، ربات باید چه واکنشی نشان دهد تا آسیبی نبیند.

استارتاپ Pi لایه مدل را بر عهده می‌گیرد

توسعه محصولات رباتیک معمولاً مستلزم سرهم‌بندی سامانه‌های بینایی اختصاصی، خطوط آموزش استراتژی‌های رفتاری، ابزار‌های استقرار و سرور‌های سنگین اینفرِنس است. ساخت مجدد کل این زیرساخت برای هر پروژه، ماه‌ها وقت باارزش مهندسان را پیش از آنکه ربات بتواند حتی یک کار مفید انجام دهد تلف می‌کند. استارتاپ Pi با متمرکز کردن فرایند فاین‌تیون و اجرای مدل حول یک مدل پایه مشترک، کاری کرده که تیم‌ها تمام تمرکز مهندسی خود را فقط روی جمع‌آوری نمونه‌حرکات و داده‌های محیطی بگذارند.

به این ترتیب، حتی یک تیم کوچک هم که بتواند ربات خود را از راه دور هدایت کرده و اپیزودهای حرکتی مناسب را ضبط کند، می‌تواند بدون نیاز به اداره کلاسترهای پردازشی پرهزینه، یک مدل بینایی-زبان-عمل (VLA) را تست کند. البته با وجود این تسهیلات، مسئولیت‌هایی مثل یکپارچه‌سازی سخت‌افزاری ربات، کیفیت داده‌ها، ارزیابی عملکرد، سیستم‌های ایمنی محلی، بازیابی از خطا و مدیریت محدودیت‌های مکانیکی ربات کماکان بر عهده تیم توسعه‌دهنده خواهد بود.

پرسش‌های کلیدی برای استقرار عملیاتی

در حال حاضر برای دسترسی به این سرویس باید در لیست انتظار بتای وبسایت Pi ثبت‌نام کنید؛ ضمن اینکه هنوز اطلاعاتی درباره قیمت‌گذاری این سرویس منتشر نشده است. جزئیات ارائه‌شده تا این لحظه، چند علامت سؤال مهم پیش روی توسعه‌دهندگان و پژوهشگران قرار داده است:

تیم Pi می‌گوید بازخوردهای دریافتی از نسخه بتا مسیر توسعه مدل‌های پایه بعدی را مشخص خواهد کرد. هرچند پیاده‌سازی‌های فعلی طیف متنوعی از ماشین‌ها و مأموریت‌ها را پوشش داده‌اند، اما فراگیری این سرویس در محیط‌های تولیدی به عواملی چون تأخیر قابل پیش‌بینی، شفافیت هزینه‌ها، پایداری نسخه‌های مدل و سیاست‌های شفاف در قبال داده‌ها گره خورده است. اگر Pi بتواند این نیازها را برآورده کند، تیم‌های رباتیک می‌توانند با خیال راحت بخش عمده انرژی مهندسی خود را روی آموزش رفتارهای ظریف، اعتبارسنجی و مهار موارد پیش‌بینی‌نشده بگذارند و کار‌های زیرساختی و پردازشی سنگین را به این غول ابری بسپارند.