Стартап Physical Intelligence представил новый мозг робота, способного выполнять незнакомые задачи

Модель нового поколения π0.7 позволяет роботам справляться с задачами, не входящими в их школьную программу, открывая новые горизонты для робототехники.

Сан-Франциско, 16 апреля 2026 года. Стартап Physical Intelligence, за два года ставший одним из наиболее обсуждаемых предприятий в области ИИ в Кремниевой долине, представил новое исследование, показывающее, что их последняя модель может управлять роботами, выполняя незнакомые задачи. Модель π0.7 представляет собой значительный шаг к созданию универсального 'мозга' для роботов.

Ключевым элементом работы модели является комбинаторная генерализация — способность объединять навыки из разных контекстов для решения новых задач. В отличие от традиционного обучения, основанного на запоминании конкретных задач, π0.7 предлагает более адаптивный подход. Как отмечает Сергей Левин, соучредитель компании и профессор UC Berkeley, этот прогресс открывает новые горизонты для робототехники.

Одной из ярких демонстраций возможностей модели стало использование фритюрницы, которую робот почти не видел во время обучения. В тренировочной базе данных упоминалось лишь два эпизода с фритюрницей, однако модель смогла интерпретировать эти минимальные фрагменты для понимания работы устройства. При отсутствии обучения модель попробовала использовать фритюрницу для приготовления сладкого картофеля и успешно завершила

Тем не менее, исследователи подчеркивают ограничения модели. Проблемы иногда возникают не из-за недостатков самой модели, а из-за неэффективного проектирования обучающих команд. Исследования показывают, что четкость инструкций может повысить успешность выполнения задач с 5% до 95%. Модель π0.7 также сталкивается со сложностями при выполнении многоступенчатых задач, но сотрудничество с ней демонстрирует обнадеживающие

Критики отмечают, что роботам не хватает широкого опыта, доступного языковым моделям в интернете. Хотя это может ограничивать возможности, Стивен Левин настаивает на важности разницы между впечатляющим демо — действием и системой, способной к обобщению, что менее заметно, но очень значимо.