12.7 万引用数的 AI 大牛创业:为机器人造大脑!OpenAI 红杉排队塞钱

谷歌学术被引数超 127000 的大神宣布创业,获 OpenAI 等机构在内投资 7000 万美元!他就是来自 UC 伯克利的副教授 Sergey Levine,创业前任职于电气工程与计算机科学系,是深度强化学习领域超受欢迎的网红老师。他在推特上兴奋地表示,此番创业,他将担任联合创始人,“与一群令人难以置信的朋友和长期合作者开启新的冒险。”目标:为机器人构建大脑;挑战:大规模机器人学习;行动代号(公司名称):Pi(读 π),即 Physical Intelligence。目标是构建通用机器人模型Pi 成立于今年,背

谷歌学术被引数超 127000 的大神宣布创业,获 OpenAI 等机构在内投资 7000 万美元!

他就是来自 UC 伯克利的副教授 Sergey Levine,创业前任职于电气工程与计算机科学系,是深度强化学习领域超受欢迎的网红老师。

12.7 万引用数的 AI 大牛创业:为机器人造大脑!OpenAI 红杉排队塞钱

他在推特上兴奋地表示,此番创业,他将担任联合创始人,“与一群令人难以置信的朋友和长期合作者开启新的冒险。”

目标:为机器人构建大脑;

挑战大规模机器人学习;

行动代号(公司名称):Pi(读 π),即 Physical Intelligence。

12.7 万引用数的 AI 大牛创业:为机器人造大脑!OpenAI 红杉排队塞钱

目标是构建通用机器人模型

Pi 成立于今年,背后是一支机器人和 AI 专家团队,在机器人、工程和许多其他领域拥有深厚经验。

他们的计划是“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。

这家公司的联合创始人兼 CEO 在公开场合解释:

我们的目标是通过一个通用模型将 AI 带入物理世界,这个模型可以为任何机器人或任何物理设备提供动力,基本上适用于任何应用。

Sergey Levine 本人在推特上举例说明,创业要做的事用于机器人控制,其重要程度就像 NLP 之于大模型。

12.7 万引用数的 AI 大牛创业:为机器人造大脑!OpenAI 红杉排队塞钱

而且需要注意的是,这件事并不简单。

要达到这个目标,不仅需要海量数据集,同时需要优化基础模型以及算法,此外,还需要设计出机器人控制、大规模多模态大模型训练问题的创造性解决方案。

而之所以要组队做这个颇具挑战性的事情,是因为在过去,这群人已经看到“大规模的机器学习问题”和“小数据集培养皿里的机器学习问题”完全不同。

“我们相信,这将为基础研究突破打开大门。”

Pi 表示,创业后的第一步,是解决工程化、模型构建、数据收集等问题,当然了,组装机器人本体也刻不容缓。

据已曝光资料,Pi 已经从 OpenAI、红杉资本等方面获得了 7000 万美元融资

创始团队阵容豪华

除了聚焦的赛道非常引人瞩目外,Pi 本身的创始团队阵容也非常豪华。

首先介绍一下联创之一,即我们开篇提到的 Sergey Levine

他是 UC 伯克利电气工程和计算机科学系的副教授,专注于能够使 Autonomous Agents 通过学习获得复杂行为的算法,特别是能够使任何自主系统学习解决任何任务的通用方法。

Sergey Levine 因两件事而声名远播。

一是他是领域内的大神,不仅谷歌学术被引用量为超过 12.7 万,还是不折不扣的顶会狂魔

在此前的不完全统计中,Sergey Levine 2018 年在 ML 和 NLP 顶会上共发表 22 篇论文,与国内的周明(现澜舟科技创始人)、CMU 的 Graham Neubig 并列全球第一;ICML 2019,他参与论文数量排名第三;NeurIPS 2019、NeurIPS 2020,他均有 12 篇论文被接收……

其二,他属于 UC 伯克利的网红教授,此前推出的深度学习课程 Deep Reinforcement Learning(课程代号 CS 285)非常受欢迎。

Pi 的联合创始人兼 CEO,Karol Hausman,此前是谷歌 DeepMind 的研究人员,同时是斯坦福大学的兼职教授。

12.7 万引用数的 AI 大牛创业:为机器人造大脑!OpenAI 红杉排队塞钱

Chelsea Finn,斯坦福计算机科学和电气工程系助理教授,谷歌学术论文引用数超 4.7 万。

她的研究主要面向机器人和其他智能体通过学习和交互发展广泛的智能行为的能力。此前,她还在谷歌大脑工作过一段时间。

12.7 万引用数的 AI 大牛创业:为机器人造大脑!OpenAI 红杉排队塞钱

Brian Ichter,先后在谷歌大脑和谷歌 DeepMind 的机器人团队任职。

他的研究兴趣在于使移动机器人系统能够通过 ML 和大规模模型,在现实环境中规划和执行长期任务。

12.7 万引用数的 AI 大牛创业:为机器人造大脑!OpenAI 红杉排队塞钱

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。

12.7 万引用数的 AI 大牛创业:为机器人造大脑!OpenAI 红杉排队塞钱

在集齐一团队的大牛之后,Pi 还表示,公司不会建造自己的硬件。

他们要做的,是购买各种不同的机器人,并在各式各样的机器人硬件上训练自己的 AI 模型。

本文来自微信公众号:量子位 (ID:QbitAI),作者:衡宇

相关资讯

GPT-5涌现能力可预测?UC伯克利仅使用当前模型检查点预测未来模型

LLM 规模扩展的一个根本性挑战是缺乏对涌现能力的理解。 特别是,语言模型预训练损失是高度可预测的。 然而,下游能力的可预测性要差得多,有时甚至会出现涌现跳跃(emergent jump),这使得预测未来模型的能力变得具有挑战性。

Inflection-2.5 模型公布,全面提升聊天机器人 Pi 智商、情商

感谢Inflection AI 本周四发布公告,正式发布了 Inflection-2.5 大语言模型,让 Pi 聊天机器人更聪明,也更富有同情心。Pi 是一款面向个人涉及的人工智能应用程序,可在多种平台上使用。Pi 以注重同理心和安全性而闻名,而最新基于的 Inflection-2.5 大语言模型大幅提高了智商,可以媲美 GPT-4。基准测试表明,Inflection-2.5 在 STEM(科学、技术、工程和数学)领域取得了更大的进步,在匈牙利数学(Hungarian Math )考试和物理 GRE(Physics

亚马逊推出“侦探”项目:AI 火眼金睛确保商品发货前无瑕疵

为了让顾客收到满意的商品,亚马逊祭出利器 ——“Project PI”(侦探项目)。这项结合生成式 AI 和计算机视觉技术的系统,能够在商品运送给顾客之前,就找出损坏、颜色错误或尺寸不对的产品。具体工作流程是这样的:即将送达的商品会通过一个装有扫描装置的隧道。计算机视觉程序 (一种能分析图像内容的 AI 技术) 会检查商品是否存在瑕疵。如果发现问题,系统就会将这件商品分离出来,并进行缺陷评估,同时检查是否有类似问题存在于其他批次商品中,以便追根溯源。据亚马逊介绍,Project PI 目前已在美国多个仓库投入使用,