Sinubok ang mga robot na ito sa 30 pamilyar na bahay sa Bay Area nang walang karagdagang pagtuturo o data mula sa mga bahay na iyon. Ginawa nila ang pagpapaliwanag ng silid, pagsasalot ng tuwalya, at paggawa ng kama gamit ang natutunan nila. Ang ganitong uri ng generalisasyon sa totoong mundo ay isang malaking hakbang para sa mga humanoid robot. Malakas na pinahalagahan ng usapan ang zero-shot generalization, na naglutas sa matagal nang problema ng brittle policy sa mga gawain sa robotic manipulation. Sa pamamagitan ng paggamit ng malalaking pre-trained multi-modal embeddings, direktang pinapalitan ng network ng patakaran ng robot ang mga visual input sa joint torques nang walang pagrere-train na espesipiko sa gawain. Ang emergent na kakayahan sa zero-shot na ito ay nagpapahintulot sa platform na matagumpay na isagawa ang mga bagong manipulation workflows at mag-handle nang dinamiko sa mga di-structured na kapaligiran. Inilahad ng CEO (Brett Adcock) ang pagbabago sa arkitektura mula sa tradisyonal na hierarchical pipeline control patungo sa mga pinagsama-samang neural network arkitektura para sa perception at control. Ang pagkakasundo ng edge compute optimization, precision ng sensor-fusion, at end-to-end learning ay nagpapabilis sa timeline para sa autonomous deployment. Naniniwala pa rin ako na @continuumlabs_ ay maglalansad na agad Naghintay lahat nang buong pag-asa