前Meta科学家用视觉AI赋能工业机器人

人工智能正在改变我们周围的一切，但迄今为止，它主要被局限在数字领域。如今，越来越多的初创企业试图将AI带入物理世界。由两位前Meta研究科学家创立的Perceptron公司正是其中之一。这家成立于2024年11月的企业，专注于开发前沿视觉模型，旨在帮助机器更智能地与其所处的物理环境交互。

本周，Perceptron发布了其最新模型Isaac 0.5。其创建者表示，该模型旨在赋予机器在工业环境中“感知、推理和行动”的能力。具体而言，该软件能够帮助视觉引导机器人在仓库或工厂车间等复杂环境中导航，同时还能帮助企业从机器人录制的视频中提取视觉智能。

值得注意的是，Isaac 0.5以开放权重模型的形式发布，任何人都可以检查其参数和训练材料。这种开放策略在工业AI领域并不常见，也体现了Perceptron希望通过透明度赢得开发者信任的意图。

该初创公司近期完成了由Bessemer Venture Partners领投的2100万美元融资。公司由Armen Aghajanyan和Akshat Shrivastava联合创立，两人此前均在Meta的人工智能研究部门FAIR工作。在他们看来，他们的软件代表了工业自动化部署的未来。

Perceptron指出，当前的物理AI迫使企业在两条路径中做出错误选择：要么使用通用基础模型，但每个实例都需要多块专用云端GPU；要么使用只能处理感知或控制的窄模型，两者无法兼得。而Isaac 0.5试图打破这一局限。

Aghajanyan和Shrivastava表示，他们的工具与现有模型的关键区别在于其通用性。该模型并非为某一特定重复任务而设计，而是能够根据其所处的特定环境或情况进行灵活调整。为了说明这一点，Shrivastava在采访中举了一个简单例子：想象一个正在分拣包裹的机器人，它需要完成哪些任务？

这样一个相对简单的任务实际上包含了许多步骤。机器人首先必须读取包裹上的标签，进行空间分析以了解盒子的位置，然后决定先拿起哪一个。如果要拿起一系列盒子，它还需要规划先拿哪些以及按什么顺序拿。Perceptron的软件旨在帮助机器人完成这一过程中的每一步。目前行业内已有软件可以帮机器完成其中大部分任务，但很少有程序能如此灵活地兼顾全部环节。

那么，这种算法魔法所需的数据从何而来？像Isaac 0.5这样的模型，通过摄取海量的视频训练数据来学习操作技能。Perceptron表示，其新模型使用了100万小时的通用视频进行训练，以教会算法识别特定的环境、视觉元素和场景。公司还大量依赖所谓的“操作数据”来增强模型对物理世界动态过程的理解。

视觉AI进入工厂车间，不仅是技术上的进步，更代表着AI从屏幕走向现实世界的关键一步。与数字世界不同，物理环境充满不确定性、遮挡、光照变化和复杂空间关系，对模型的鲁棒性提出了极高要求。Perceptron的尝试表明，通过大规模视频预训练和开放权重策略，通用视觉智能有望在工业场景中落地，为机器人提供更接近人类的感知与决策能力。

尽管Isaac 0.5目前仍处于早期版本，但其背后团队在Meta FAIR的深厚积累，加上资本市场的认可，让这家初创公司成为物理AI赛道值得关注的玩家。随着更多企业将AI部署到仓储、制造等真实环境，像Perceptron这样的视觉基础模型或将成为自动化升级的核心引擎。