前Meta科学家希望将视觉AI引入工厂车间

# 前Meta科学家欲将视觉AI引入工厂车间 | TechCrunch 来源：https://techcrunch.com/2026/08/26/ex-meta-scientists-want-to-bring-visual-ai-to-the-factory-floor/ 人工智能正改变我们周围的一切，但迄今为止，它主要局限于数字领域。然而，越来越多的初创公司正试图将其引入现实世界。 由两位前Meta研究科学家创立的初创公司Perceptron (https://www.perceptron.inc/) 就是其中之一。该公司成立于2024年11月，致力于开发前沿视觉模型，旨在帮助机器更熟练地与其物理环境互动。 本周，该公司发布了其最新模型Isaac 0.5。其创建者表示，该模型旨在为机器提供在工业场景中“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。它还能帮助企业从这些机器人录制的视频中提取视觉智能。 Isaac 0.5也作为开权重模型发布，因此任何人都可以检查其参数和训练材料。 该初创公司由Armen Aghajanyan和Akshat Shrivastava联合创立，两人此前曾供职于科技巨头的AI研究部门Meta基础AI研究（FAIR）。他们认为自己的软件是工业自动化部署的未来。 “当今的物理AI迫使人们做出一个虚假选择：要么是需要为每个实例配备多个专用云GPU的通用基础模型，要么是处理感知或控制但无法兼顾两者的狭义模型，”该公司表示。 Aghajanyan和Shrivastava称，他们的工具与该领域现有模型不同，因为它是通用的，这意味着它并非为某个特定、重复的任务而构建。相反，他们表示，该模型设计为能够根据所处的特定环境（或情境）灵活调整。 在一次采访中，Shrivastava让我思考一个简单的物理过程，比如整理盒子：“想象一下，现在有一个机器人被部署来分拣包裹。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许多步骤。机器人首先需要读取包裹上的标签，进行一些空间分析以理解盒子的位置，并决定拾取哪个。如果它拾取一系列盒子，则必须规划拾取哪些盒子以及拾取顺序。 Perceptron的软件旨在帮助机器人完成这一过程的每一步。需要明确的是，该行业已有软件可以帮助机器完成其中大部分任务，但很少有程序被设计成能够灵活地完成这些任务。 这种“算法炼金术”的数据从何而来？ 像Isaac 0.5这样的模型通过吸收海量的视频训练数据来学习操作技能。Perceptron表示，其新模型被喂食了100万小时所谓的通用视频，以训练其算法识别特定的环境、视觉元素和场景。该公司还大量依赖所谓的ego视频（https://claru.ai/glossary/egocentric-video）——通常通过GoPro或可穿戴相机拍摄的、以完成物理任务的人的视角记录的视频——以及UMI视频（https://www.trossenrobotics.com/post/what-is-umi-data-collection），后者同样通过记录重复的人类动作来教导AI系统运动方式。 虽然Perceptron未透露其训练数据的来源，但Shrivastava表示，该公司“内部构建了PB级规模的数据集，涵盖多种模态，无论是图像、文本、视频，一直到机器人轨迹”。 能够帮助机器人在仓库中熟练操作的软件显然具有巨大效用，Perceptron认为自己有能力引领这波自动化浪潮。该初创公司已准备好将其软件推向多种供应商市场，从而可能将其智能层集成到广泛的行业中。 这些行业包括制造业、物流和仓储、安全、出行以及媒体和娱乐。 “目前市场上并不存在类似的东西，”Aghajanyan说，“我们对此感到非常兴奋。” 根据Pitchbook (http://pitchbook.com/)，该公司此前于2024年从Bessemer Venture Partners、The Explorer Fund和SmartGateVC获得了1600万美元融资。TechCrunch获悉，该初创公司正在完成另一轮融资。 *本文早期版本错误报道了近期融资详情。* *当您通过文章中的链接购买时，我们可能会获得少量佣金（https://techcrunch.com/techcrunch-affiliate-monetization-standards/）。这不影响我们的编辑独立性。* Lucas是TechCrunch的高级撰稿人，报道人工智能、消费科技和初创公司。他此前在Gizmodo报道人工智能和网络安全。您可以通过发送电子邮件至[email protected]与Lucas联系。 查看个人简介 (https://techcrunch.com/author/lucas-ropek/)