సాఫ్ట్‌వేర్ ఇంటెలిజెన్స్ మరియు ఫిజికల్ ఎగ్జిక్యూషన్ మధ్య ఉన్న అంతరాన్ని తగ్గించడానికి స్టార్టప్‌లు ప్రయత్నిస్తున్న కొద్దీ, డిజిటల్-ఓన్లీ AI యుగం మారుతోంది. మాజీ Meta AI పరిశోధకులు స్థాపించిన కొత్త సంస్థ Perceptron, యంత్రాలు నిజ ప్రపంచంలోకి ప్రవేశించి, పరస్పర చర్యలు జరుపుకోవడానికి సహాయపడేలా రూపొందించిన ఫ్రంటియర్ విజన్ మోడల్స్‌ను అభివృద్ధి చేస్తూ ఈ మార్పుకు నాయకత్వం వహిస్తోంది.

బైనరీని అధిగమించడం: జనరలిస్ట్ వర్సెస్ నారో మోడల్స్

దశాబ్దాలుగా, ఇండస్ట్రియల్ ఆటోమేషన్ ఒక సాంకేతిక డెడ్‌లాక్‌లో చిక్కుకుని ఉంది. డెవలపర్లు సాధారణంగా రెండు రకాల మోడళ్ల మధ్య ఎంపిక చేసుకోవాల్సి వచ్చేది: ప్రతి సందర్భానికి ఖరీదైన, ప్రత్యేకమైన క్లౌడ్ GPUలు అవసరమయ్యే భారీ జనరలిస్ట్ ఫౌండేషన్ మోడల్స్, లేదా పర్సెప్షన్ (perception) లేదా కంట్రోల్ (control) మాత్రమే చేయగల, కానీ రెండింటినీ చేయలేకపోయిన నారో, స్పెషలైజ్డ్ మోడల్స్.

Perceptron సహ-వ్యవస్థాపకులు, Armen Aghajanyan మరియు Akshat Shrivastava—ఇద్దరూ Meta యొక్క Fundamental AI Research (FAIR) విభాగం పూర్వ సభ్యులు—వారి కొత్త మోడల్ Isaac 0.5 ద్వారా దీనిని పరిష్కరించడానికి ప్రయత్నిస్తున్నారు. ఒకే రకమైన, పునరావృత పనుల కోసం రూపొందించబడిన ప్రస్తుత సాఫ్ట్‌వేర్‌లలా కాకుండా, Isaac 0.5 ఒక జనరల్-పర్పస్ మోడల్. ఇది రోబోట్‌లకు "గ్రహించడం, ఆలోచించడం మరియు పనిచేయడం" (perceive, reason, and act) సామర్థ్యాన్ని అందిస్తుంది, తద్వారా అవి ఒక నిర్దిష్ట కదలిక కోసం మాత్రమే కాకుండా, వివిధ వాతావరణాలకు అనుగుణంగా మారగలుగుతాయి.

ఫిజికల్ ఇంటెలిజెన్స్ యొక్క మెకానిక్స్

Perceptron యొక్క విధానం యొక్క సంక్లిష్టతను అర్థం చేసుకోవడానికి, ప్యాకేజీలను వర్గీకరించడం వంటి సాధారణ వేర్‌హౌస్ పనిని చూడాలి. ఒక రోబోట్ కేవలం "పెట్టెను ఎత్తడం" మాత్రమే చేయలేదు; అది మొదట లేబుల్‌లను చదవాలి, తన చుట్టూ ఉన్న వాతావరణాన్ని మ్యాప్ చేయడానికి స్పేషియల్ అనాలిసిస్ (spatial analysis) చేయాలి, ఉత్తమమైన పికప్ ఆర్డర్‌ను నిర్ణయించాలి మరియు దాని భౌతిక మార్గాన్ని (physical trajectory) ప్లాన్ చేయాలి.

ఈ బహుళ-దశల కాగ్నిటివ్ ప్రక్రియలను నిర్వహించడానికి Isaac 0.5 రూపొందించబడింది. వివిధ సెట్టింగ్‌లు మరియు పరిస్థితులను గుర్తించడానికి ఈ మోడల్‌ను ఒక మిలియన్ గంటల జనరల్ వీడియో డేటాతో భారీ స్థాయిలో శిక్షణ ఇచ్చారు. భౌతిక నైపుణ్యాన్ని (physical dexterity) సాధించడానికి, కదలికలు ఎలా పని పూర్తి చేస్తాయో AIకి నేర్పించడానికి కంపెనీ "ego video" (వేరబుల్ కెమెరాల నుండి మొదటి వ్యక్తి దృక్పథం) మరియు UMI వీడియో (పునరావృత మానవ చర్యల రికార్డింగ్‌లు) ఉపయోగించింది. ఈ స్థాయి "అల్గారిథమిక్ ఆల్కెమీ" (algorithmic alchemy) సాధించడానికి ఇమేజ్, టెక్స్ట్, వీడియో మరియు రోబోటిక్ ట్రాజెక్టరీలతో కూడిన పెటాబైట్-స్కేల్ డేటాసెట్‌లను కంపెనీ నిర్మించిందని Shrivastava పేర్కొన్నారు.

ఓపెన్-వెయిట్ వ్యూహం మరియు మార్కెట్ విస్తరణ

పారదర్శకతను మరియు డెవలపర్ల వినియోగాన్ని ప్రోత్సహించే చర్యగా, Perceptron Isaac 0.5ను ఓపెన్-వెయిట్ మోడల్‌గా విడుదల చేస్తోంది. ఇది పరిశోధకులు మరియు ఇంజనీర్లు దీని పారామితులను మరియు శిక్షణ సామగ్రిని పరిశీలించడానికి అనుమతిస్తుంది, ఇది అంచనా వేయగలిగే సామర్థ్యం (predictability) అత్యంత ముఖ్యమైన హై-స్టేక్స్ ఇండస్ట్రియల్ ఎన్విరాన్‌మెంట్లలో AIని అనుసంధానించడానికి ఒక కీలకమైన అడుగు.

Bessemer Venture Partners నేతృత్వంలోని $21 మిలియన్ల నిధుల రౌండ్‌తో మద్దతు పొందిన Perceptron, అనేక రంగాలకు ఇంటెలిజెన్స్ లేయర్‌గా తనను తాను సిద్ధం చేసుకుంటోంది. ప్రాథమిక దృష్టి లాజిస్టిక్స్ మరియు మాన్యుఫ్యాక్చరింగ్‌పై ఉన్నప్పటికీ, సెక్యూరిటీ, మొబిలిటీ మరియు మీడియా మరియు ఎంటర్‌టైన్‌మెంట్ రంగాలలో కూడా దీనికి తక్షణ అప్లికేషన్లు ఉంటాయని కంపెనీ భావిస్తోంది. ఒక ఫ్లెక్సిబుల్ ఇంటెలిజెన్స్ లేయర్‌ను అందించడం ద్వారా, గ్లోబల్ ఇండస్ట్రియల్ ల్యాండ్‌స్కేప్‌లో విజన్-గైడెడ్ రోబోట్‌లు ఎలా పనిచేస్తాయో మార్చాలని Perceptron లక్ష్యంగా పెట్టుకుంది.

ముఖ్య అంశాలు

  • అంతరాన్ని తగ్గించడం: Isaac 0.5 ఒక జనరల్-పర్పస్ "గ్రహించడం, ఆలోచించడం మరియు పనిచేయడం" ఫ్రేమ్‌వర్క్‌ను అందించడం ద్వారా, వనరులను ఎక్కువగా వినియోగించే జనరలిస్ట్ మోడల్స్ మరియు పరిమిత నారో మోడల్స్ మధ్య ఎంపిక చేసుకోవాల్సిన అవసరాన్ని తొలగించాలని లక్ష్యంగా పెట్టుకుంది.
  • భారీ శిక్షణ స్థాయి: రోబోట్‌లకు సంక్లిష్టమైన స్పేషియల్ మరియు మాన్యువల్ పనులను నేర్పడానికి ఈ మోడల్ ego-centric మరియు UMI వీడియోలతో సహా పది లక్షల గంటల వీడియో డేటాను ఉపయోగిస్తుంది.
  • ఓపెన్-వెయిట్ అందుబాటు: Isaac 0.5ను ఓపెన్ వెయిట్స్‌తో విడుదల చేయడం ద్వారా, Perceptron ఫ్రంటియర్ విజన్ AIని పారిశ్రామిక వర్క్‌ఫ్లోలలో లోతైన పరిశీలన మరియు వేగవంతమైన అనుసంధానానికి వీలు కల్పిస్తుంది.

Perceptron, రోబోట్‌లకు ఏకీకృత “perceive-reason-act” మెదడును అందించే ఓపెన్-వెయిట్ విజన్ మోడల్ అయిన Isaac 0.5ను ఆవిష్కరించింది. Bessemer Venture Partners నేతృత్వంలో ఈ స్టార్టప్ $21 మిలియన్లను సేకరించింది మరియు లాజిస్టిక్స్, మాన్యుఫ్యాక్చరింగ్ మరియు ఇతర ఫిజికల్-ఆటోమేషన్ మార్కెట్‌ల కోసం ఈ మోడల్‌ను ఒక డ్రాప్-ఇన్ ఇంటెలిజెన్స్ లేయర్‌గా పరిచయం చేస్తోంది.

ఈ లాంచ్ ఎందుకు ముఖ్యం

ఇండస్ట్రియల్ రోబోట్‌లు చాలా కాలంగా ఒక త్యాగం (trade-off) చేయాల్సి వస్తోంది. ఒక భారీ, జనరల్-పర్పస్ ఫౌండేషన్ మోడల్‌ను ఉపయోగిస్తే, మీరు నిరంతర క్లౌడ్ GPU యాక్సెస్ కోసం చెల్లించాల్సి ఉంటుంది; ఒక నారో, టాస్క్-స్పెసిఫిక్ విజన్ సిస్టమ్‌తో ఉంటే, వాతావరణం మారినప్పుడు మీరు ఫ్లెక్సిబిలిటీని కోల్పోతారు. Isaac 0.5 మధ్యస్థ మార్గంగా మార్కెట్ చేయబడింది—ప్రతి సందర్భానికి క్లౌడ్ కంప్యూట్ అవసరం లేకుండా పర్సెప్షన్, ప్లానింగ్ మరియు కంట్రోల్‌ను నిర్వహించగల ఒకే ఒక మోడల్ ఇది.

నేటి రోబోట్ మెదడుల సమస్య

A typical warehouse robot does more than grab a box. It must read a label, locate the item among clutter, decide the best picking sequence, and compute a collision-free arm trajectory—all in real time. Existing solutions usually split these steps across separate software components: a lightweight detector for the label, a handcrafted planner for motion, and a rule-based controller for execution. The split creates integration overhead and limits the robot’s ability to adapt when a new product, packaging style or layout appears.

How Isaac 0.5 tries to close the gap

Perceptron’s co-founders, Armen Aghajanyan and Akshat Shrivastava, both former Meta FAIR researchers, built Isaac 0.5 as a single, end-to-end network. The model was trained on roughly one million hours of general video data, covering a wide variety of indoor and outdoor scenes. Crucially, the training set also includes “ego video” – first-person footage captured from wearable cameras – and “UMI video,” recordings of repetitive human actions. By feeding the network visual streams paired with robot-trajectory data, Perceptron claims the model learns how visual cues translate into physical motions.

The company says its dataset spans petabytes of images, text, video and robotic trajectories. This breadth is intended to give Isaac 0.5 the ability to recognize a new object, infer its affordances (how it can be grasped), and generate a motion plan, all without a separate control module.

Open-weight model: transparency meets practicality

Unlike most commercial AI offerings that ship only an API, Perceptron is releasing Isaac 0.5 with open weights. Engineers can inspect the parameters, fine-tune the network on proprietary data, or embed the model directly on edge hardware.