温馨提示：点击下方图片，查看公众号“Robot猎场备忘录”运营团队（10月18日整理）原创报告（共182页）
正文：
拥有全球具身智能领域“最强创始团队”，成立仅八个月，估值约150亿元的机器人通用大模型初创公司【Physical Intelligence】于10月31发布成立以来首个机器人通用的机器人基础模型π0（ pi-zero）。
机器人基础模型π0被称为一种用于通用机器人控制的视觉-语言-动作流模型，参数量只有3B，就能控制机器人，帮你搞定各种家务。
具体视频展示：
据官方介绍：π0与 LLM 不同，它跨越图像、文本和动作，并通过训练机器人的具身经验来获得物理智能，通过学习新颖的架构直接输出低级运动命令；它可以控制各种不同的机器人，并且可以提示执行所需的任务，也可以进行微调以使其专门用于具有挑战性的应用场景。
注：Paper（原版以及翻译）已上传至“机器人头条”知识星球，可加入星球查看
π0模型的核心技术点包括以下几个方面：
-
π0模型基于预训练的视觉-语言模型（VLM），这使得它能够继承互联网规模的语义知识。
-
模型使用流匹配技术（Flow Matching）来生成连续的动作分布，这使得它能够处理高频率的动作执行，适合于灵巧任务。
-
为了使模型能够控制机器人产生连续动作，π0引入了一个专门的动作专家（Action Expert）模块，该模块能够通过流匹配产生精细的、连续的动作指令。
-
π0模型通过结合多种机器人类型的数据进行训练，这使得模型能够适应不同的机器人配置和动作表示，包括单臂、双臂系统以及移动操纵器。
-
模型能够在预训练后无需额外训练即可执行新任务，展示了良好的零样本控制能力（Zero-Shot Control）。
-
π0模型可以在高质量数据上进行微调（Fine-Tuning），以适应特定的下游任务，如折叠衣物、桌面清理和装箱等。
-
模型采用预训练后微调的训练方法，先在大型多样化语料库上预训练，然后在更狭窄、更精细策划的数据上微调，以诱导期望的行为模式。
-
高频率动作控制：模型能够控制机器人以高达50Hz的频率执行灵巧任务，这对于实时响应和精确操作是必要的。
-
多模态输入：模型整合了视觉输入（多个RGB图像）、语言指令和机器人的本体感知状态，以实现更复杂任务的执行。
-
混合专家模型（Mixture of Experts）：π0模型采用了混合专家架构，其中不同的“专家”处理不同的输入类型，如图像、文本和机器人状态。
从数据上看，π0在零样本泛化能力、语言控制响应、新任务学习、多阶段任务等维度上也表现优异。
零样本泛化能力上，π0在所有任务上都显著超过了baseline模型，即使未加入预训练视觉模型的π0-small也比这些baseline表现优异。
指令处理上，π0在3个语言指令任务上，经人类指导取得了最好的自主表现，高层策略指导也有提升。
在与预训练数据差异较大的新任务上，π0在大多数任务上性能最好，尤其在微调数据量较小时优势明显。
这意味着，不需要专门训练，π0就能让机器人自动完成很多开放性任务。
公司介绍：
Physical Intelligence（简称 PI或 π ）由UC Berkley、斯坦福大学教授团队和谷歌科学家等科研和技术大牛于2024年3月成立，公司致力于创建可以为各种机器人和机器增添高级智能的软件，最终目标是创建一种作为通用机器人系统的AI模型（机器人通用大脑）。
公司成立仅一个月时，官网还没有建（至今有没有建）就获得来自于Thrive Capital 、Open AI、红杉资本、Greenoaks Capital Parners、Lux Captital和Khosla Ventures7000 万美元融资，投后估值4亿美金；10月，公司计划在筹集3亿美元资金之后达到约20亿美元的估值，且公司已收到多份报价。
PI官网
Pi的官网介绍：“Physical Intelligence是一家将通用人工智能带入物理世界的公司。
联合创始人Chelsea Finn解释说，这其实极具挑战性，需要整合机器人跨平台策略、从视觉和语言模型中迁移学习、并通过模仿学习实现对灵活技能的掌握。
团队表示，Pi并不专注于特定类型的机械臂或工业机器人，而是计划开发可以应用于多种类型机器人的软件。他们也不会制造自己的硬件，创业后第一步是解决工程问题、搭建模型，以及购买各种不同的机器人并在上面开展训练，目的就是积累迄今为止最大规模的机器人数据。
Pi可称为最强创始团队，没有素人，全是行业大牛
左到右，依次是Sergey Levine、Chelsea Finn、Karol Hausman
-
联合创始人Chelsea Finn：现任斯坦福计算机科学与电气工程系助理教授（ALOHA家务机器人项目导师），重点研究通过学习和交互来发展机器人等智能体的广泛智能行为，谷歌学术论文引用数超4.7万；曾在谷歌大脑担任过5年研究科学家，开发机器人深度预测模型；MIT 大学毕业后在伯克利取得博士学位，博士导师则是Sergey Levine
-
联合创始人兼CEO Karol Hausman：之前担任谷歌大脑的高级研究科学家，同时也是斯坦福大学的兼职教授；因 “对可扩展的机器人学习算法做出重大贡献”，获得过 2023 IEEE 奖项；
-
联合创始人Sergey Levine：UC Berkley电气工程与计算机科学系助理教授，人气超高的“网红教授”和“学术狂魔”；
-
联合创始人：Brian Ichter：先后在谷歌大脑和谷歌DeepMind的机器人团队任职；
-
联合创始人Lachy Groom ：支付公司 Stripe 前高管、著名科技投资人
-
Suraj Nair：丰田研究院ML研究团队的研究科学家，从事ML、机器人和CV交叉领域的工作；
-
Quan Vuong：加州大学圣地亚哥分校四年级博士生；
小编着重介绍Sergey Levine：
Sergey Levine：现任UC Berkley电气工程与计算机科学系助理教授，专注于研究让自主智能体通过学习获得复杂行为的通用算法，集中在机器学习决策和控制领域；并开发端到端深度神经网络训练策略，曾带领团队与谷歌联合开发 RT-X 机器人项目，被认为是强化学习领域的领军人物之一。
Sergey Levine有“学术狂魔”之称，谷歌学术上被引用量超过13万，同时在顶级国际会议和期刊上发表过大量研究论文，接收量长期位居前列，并且经常霸榜。
Sergey Levine于2009年获得斯坦福大学计算机科学的学士和硕士学位，并于2014年获得斯坦福大学计算机科学的博士学位，导师是Vladlen Koltun，他博士后期间在加州大学伯克利分校与Pieter Abbeel教授合作。他的研究重点是用于决策和控制的机器学习，重点关注深度学习和强化学习算法，应用方向主要在机器人和自动驾驶方面。目前是Physical Intelligence联合创始人。
提到Physical Intelligence，不得不提另外一下同类型初创公司Skild AI。
Skild AI于2023年5月匹兹堡成立，由两位前美国卡内基梅隆大学教授 Abhinav Gupta 和 Deepak Pathak共同创立，他们同为印度裔、也都曾是 Meta 的 AI 研究人员创立，公司长期目标是开发扎根于物理世界的通用人工智能 （AGI），以打造一个通用、灵活、智能的人形机器人产品（“通用机器人大脑”）。
2024年7月9日，Skild AI宣布完成了总额3亿美元A 轮融资，投后估值高达15亿美元，是目前估值最高的机器人具身智能大模型初创公司（即将被Physical Intelligence打破）。
Skild AI设想了一个类似 OpenAI 的未来：通过微调，就可以在 Skild 基础模型上构建不同的用例和产品；这正是他们颠覆机器人行业的方式。最终，他们希望抵达机器人 AGI，人们可以在物理世界中，与之互动。
核心产品：Skild Brain
团队构成：公司由两位前美国卡内基梅隆大学教授 Abhinav Gupta 和 Deepak Pathak共同创立，他们同为印度裔、也都曾是 Meta 的 AI 研究人员；团队主要来自 Meta、特斯拉、英伟达、亚马逊、谷歌以及卡内基梅隆大学、斯坦福大学、加州大学伯克利分校和UIUC等名校。
构建「通用的」机器人基础模型｜ 图片来源：Skild AI
技术层面：Skild AI正在构建一个共享的通用大脑，为机器人提供一种基础模型，作为“通用大脑”；Skild Brain是一个可扩展的机器人基础模型，具备使用性和灵活性的能力，能够使机器人在不同硬件、场景、任务之间自适应。
这个“通用大脑”可以与包括人形机器人在内的任何类型机器人进行集成，以通用AI技术使机器人执行动作，从而在不同场景中处理各种任务，可以在家庭和工业环境中灵巧地操纵物体，可以在任何物理环境中导航。
Skill AI团队透露，相比竞争对手，其数据点至少多出1000倍，这一优势使得Skill AI的模型能够更好地理解和适应复杂多变的物理世界。
产品进展：目前没有商业化进展。
融资层面：7月9日，具身智能领域初创公司Skild AI宣布，公司完成了总额3亿美元A 轮融资，投后估值高达15亿美元；本轮融资由众多科技巨头、顶级风险投资公司与学术机构共同参与。
Physical Intelligence和Skild AI巨额融资和高估值，无不体现国外资本对具身智能大模型（机器人通用大脑）重视。
具身智能领域研究方向可粗略分为：具身智能大模型（机器人“大脑”）和人形机器人（本体+小脑）。
人形机器人大致分为三大部分：人形本体、高动态性能的控制算法（小脑）、具有泛化性的具身智能及非常接近人的通用人工智能。
具身智能领域初创公司主要分三种：专注于具身智能大模型、人形机器人整机和两者同时涉及；全球范围内，专注于人形机器人本体初创公司最多，初步统计，人形机器人整机公司目前已超150家且持续增加中（其中国内最多，并远超第二名是美国）;具身智能大模型因涉及芯片、软件、AI算法，资金投入远高于人形机器人本体，目前更多是科技大厂间博弈，初创公司数量远低于人形机器人本体初创公司。
全球具身智能大模型（机器人通用“大脑”）公司背景大体可分为：科技大厂（英伟达、OpenAI等）和科研院校背景创业团队（Physical Intelligence、Skild AI等）。
人工智能和大模型技术突破性发展催生了本身具身智能浪潮，但同时大模型发展瓶颈也同样是人形机器人商业化核心壁垒；相较于上游机器人核心零部件基本成熟，软件算法进步是推动人形机器人功能提升和应用场景拓展的关键；
国外资本更青睐具身大模型初创公司，国内资本更青睐人形机器人本体初创公司；作为通用机器人技术核心的具身智能算法（大模型）国内重视程度远不如国外；国内，相比具身智能大模型（机器人“大脑”）初创公司，人形机器人本体厂商更受资本青睐，占据具身智能赛道绝大多数融资份额，更是出现独角兽企业；科技大厂多是推出非具身智能大模型，对具身智能大模型研发投入极其有限。国外，科技大厂对具身智能大模型极其重视，并早已入局（如谷歌、英伟达等；谷歌已完成多次技术迭代，从Saycan到RT-H）；国外具身智能大模型（机器人“大脑”）初创企业也备受资本青睐，目前已经超过人形机器人本体厂商（如：Skild AI、Physical Intelligence、Covariant等，皆已获巨额融资）。
国内目前也涌现出一批专注于具身智能大模型（机器人“大脑”）初创公司，以往融资仅是千万级别，并且罕有头部资本身影。然而，随着8月以来，两家具身智能大模型初创企业【千寻智能】、【穹彻智能】亿级融资敲定，国内具身大模型赛道企业开始进入资本视野。9月，专注于打造“一脑多型”的具身智能初创企业【星海图】完成天使+轮融资，投资方为高瓴创投、无锡创业投资和上海米哈游；7月16日，公司曾获得“国家队”北京国管独投的天使轮融资；目前，【千寻智能】新一轮融资已经在推进中，据传将远超往期融资总和；【穹彻智能】新一轮融资也即将敲定，国内具身智能大模型领域也渐渐进入融资潮。
注：深度了解“具身智能&人形机器人”赛道，加入知识星球“机器人头条”交流学习
近期精选文章：
3、核心创始团队离开，「小米」、「小鹏」能否扛起国内人形机器人大旗
8、ToB、ToC or ToG，全球人形机器人产品优选落地场景梳理！
10、马斯克：特斯拉是唯一一家真正具备大规模生产人形机器人能力的公司
11、近40款人形机器人亮相：谈商业化，为时尚早！谈量产，纯粹“噱头”！！
内容中包含的图片若涉及版权问题，请及时与我们联系删除
评论
沙发等你来抢