2024లో స్థాపించబడిన రోబోటిక్స్ స్టార్టప్ Generalist, దాదాపు $200 మిలియన్లను సేకరించిన తర్వాత తన వాల్యుయేషన్‌ను $3 బిలియన్లకు పెంచుతూ కొత్త నిధుల రౌండ్‌ను ప్రకటించింది. 8VC నేతృత్వంలో వచ్చిన ఈ పెట్టుబడితో, మొత్తం Series B నిధులు $600 మిలియన్లకు చేరుకున్నాయి. కేవలం కొన్ని సెకన్ల వీడియోల ద్వారా కొత్త పనులను నేర్చుకోగల రోబోల వైపు పెట్టుబడిదారులు వేగంగా అడుగులు వేస్తున్నారని ఇది సూచిస్తోంది.

నిధుల పెరుగుదల మరియు మద్దతుదారులు

రెగ్యులేటరీ ఫైలింగ్స్ ప్రకారం, జూన్‌లో Radical Ventures నేతృత్వంలో ప్రారంభమైన $400 మిలియన్ల Series B రౌండ్‌ను ఈ $200 మిలియన్ల పెట్టుబడి మరింత విస్తరిస్తుంది. ఈ రౌండ్‌తో Nvidia, Union Square Ventures, Bezos Expeditions మరియు AI రంగంలో అగ్రగామి అయిన Fei-Fei Li వంటి దిగ్గజ సంస్థలు Generalist యొక్క ఇన్వెస్టర్ జాబితాలో చేరారు. అనేక రోబోటిక్ ప్లాట్‌ఫారమ్‌ల కోసం ఒకే ఒక AI "మెదడు" (brain) ఉండటం వల్ల ఫ్యాక్టరీలు, వేర్‌హౌస్‌లు మరియు సర్వీస్ రంగాలలో ఆటోమేషన్ యొక్క కొత్త తరహా విప్లవం వస్తుందనే నమ్మకాన్ని వారి భాగస్వామ్యం బలపరుస్తోంది.

Gen 1.5: అతి తక్కువ సమయం గల డెమోల నుండి నేర్చుకోవడం

Generalist యొక్క ప్రధాన ఆకర్షణ దాని Gen 1.5 foundation model. ప్రతి కదలికను మాన్యువల్‌గా రూపొందించడానికి బదులుగా, ఈ మోడల్ రోబోట్‌కు ఒక వీడియో క్లిప్‌ను—సాధారణంగా కేవలం మూడు నుండి పన్నెండు సెకన్ల నిడివి గలది—చూపిస్తుంది, ఆ తర్వాత ఆ పనిని రోబోట్ స్వయంగా చేసేలా చేస్తుంది. ఈ విధానం imitation learning పై ఆధారపడి ఉంటుంది: AI విజువల్ ఇన్‌పుట్ నుండి కదలికలు (motion cues), వస్తువులతో పరస్పర చర్యలు (object interactions) మరియు సమయాన్ని (timing) గ్రహించి, వాటిని రోబోట్ యొక్క actuators కోసం కంట్రోల్ కమాండ్లుగా మారుస్తుంది. సిద్ధాంతపరంగా, ఒక రోబోట్ కేవలం చిన్న రికార్డింగ్‌లను చూడటం ద్వారా ప్రతి వారం డజన్ల కొద్దీ కొత్త నైపుణ్యాలను నేర్చుకోగలదు, దీనివల్ల మారుతున్న వాతావరణాలలో ఆటోమేషన్‌ను అమలు చేయడానికి అవసరమైన సమయం మరియు నైపుణ్యం గణనీయంగా తగ్గుతాయి.

పెట్టుబడిదారులు ఎదురుచూస్తున్న "ChatGPT moment"

సాఫ్ట్‌వేర్‌కు లార్జ్ లాంగ్వేజ్ మోడల్స్ ఎలాంటి విప్లవాత్మక మార్పును తెచ్చాయో, హార్డ్‌వేర్‌కు కూడా అలాంటి మార్పును తీసుకురావాలనే పోటీలో Generalist నిమగ్నమై ఉంది. Physical Intelligence మరియు SoftBank మద్దతు ఉన్న Skild AI వంటి ప్రత్యర్థులు ఇప్పటికే డబుల్-డిజిట్ బిలియన్ల వాల్యుయేషన్లను కలిగి ఉన్నారు, ఇది రోబోటిక్స్ రంగంలో ఒక విస్తృతమైన "ChatGPT moment" అనే భావనను పెంచుతోంది. దీని వెనుక ఉన్న ఉద్దేశ్యం సరళమైనది: అతి తక్కువ డేటాతో కూడా fine-tune చేయగల ఒక బహుముఖ, pre-trained మోడల్ ఉంటే, కంపెనీలు తమ కంట్రోల్ స్టాక్స్‌ను మొదటి నుండి నిర్మించాల్సిన అవసరం లేకుండానే రోబోటిక్ సామర్థ్యాలను జోడించుకోవచ్చు.

ఫిజికల్ డేటా అడ్డంకులు మరియు సందేహాలు

ఈ ఉత్సాహం మధ్య ఒక ఆచరణాత్మక అడ్డంకి ఉంది. లార్జ్ లాంగ్వేజ్ మోడల్స్ ఇంటర్నెట్‌లోని అపరిమితమైన టెక్స్ట్ ద్వారా అభివృద్ధి చెందుతాయి, కానీ రోబోట్‌లు శిక్షణ డేటాను రూపొందించడానికి భౌతిక పరస్పర చర్యలు (physical interaction) అవసరం. సెన్సార్లు బలాలు (forces), స్పర్శ (contacts) మరియు 3-D జ్యామితిని (geometry) గుర్తించాల్సి ఉంటుంది, మరియు ప్రతి కొత్త సందర్భానికి కొత్త డేటా సేకరణ అవసరం కావచ్చు. నాణ్యమైన, వైవిధ్యభరితమైన ఫిజికల్ డేటాసెట్‌ల కొరత కారణంగా, నిజమైన యూనివర్సల్ రోబోట్ ఇంటెలిజెన్స్ వాణిజ్యపరంగా అందుబాటులోకి రావడానికి ఇంకా ఏళ్లు పట్టవచ్చని కొందరు నిపుణులు హెచ్చరిస్తున్నారు. వాస్తవ ప్రపంచ డెమోల నిరంతర ప్రవాహం లేకపోతే, Gen 1.5 వంటి ఫ్లెక్సిబుల్ మోడల్ కూడా తాను చూసిన వాతావరణాలకు మించి పనిచేయడంలో ఇబ్బంది పడవచ్చు.

తదుపరి ఏం గమనించాలి

  • Deployment trials: Generalist యొక్క తదుపరి పబ్లిక్ టెస్ట్ బెడ్స్—లాజిస్టిక్స్ సెంటర్లు లేదా తయారీ లైన్లు ఏదైనా కావచ్చు—Gen 1.5 ల్యాబ్ డెమోల నుండి శబ్దంతో కూడిన, అనిశ్చితమైన ప్రదేశాలకు ఎంతవరకు విస్తరించగలదో తెలియజేస్తాయి.
  • Data pipeline development: ఆటోమేటెడ్ డేటా క్యాప్చర్‌లో (ఉదాహరణకు, మోడల్‌కు డేటాను అందించే కెమెరాల సమూహం) సాధించే పురోగతి ఫిజికల్-డేటా అడ్డంకిని తగ్గించవచ్చు.
  • Competitive moves: ప్రత్యర్థుల నుండి వచ్చే నిధుల రౌండ్లు మరియు భాగస్వామ్య ప్రకటనలను గమనిస్తూ ఉండండి, ఎందుకంటే మొదటి విస్తృతంగా స్వీకరించదగిన రోబోట్ ఫౌండేషన్ మోడల్ కోసం జరుగుతున్న పోటీ ఇంకా ప్రారంభ దశలోనే ఉంది.

ముఖ్య అంశం: Generalist యొక్క $3 బిలియన్ల వాల్యుయేషన్, ఒకే ఒక AI మోడల్ రోబోట్‌లను నేటి చాట్‌బాట్‌ల వలె అనుకూలత కలిగినవిగా మార్చగలదనే బలమైన నమ్మకాన్ని ప్రతిబింబిస్తుంది, కానీ ఈ ప్రయాణం చిన్న వీడియో క్లిప్‌లను నమ్మదగిన, వాస్తవ ప్రపంచ కదలికలుగా మార్చడంపై ఆధారపడి ఉంటుంది—ఈ ఇంజనీరింగ్ సవాలు మాత్రమే ఈ వాగ్దానం నిజమైన రోజువారీ ఆటోమేషన్‌గా మారుతుందో లేదో నిర్ణయిస్తుంది.