Ces robots ont été testés dans 30 foyers de la région de la baie sans formation ni données supplémentaires provenant de ces foyers. Ils rangent les chambres, plient les serviettes et font les lits en utilisant ce qu'ils ont déjà appris. Ce type de généralisation dans le monde réel représente une avancée majeure pour les robots humanoïdes. La conversation a fortement mis l'accent sur la généralisation zero-shot, résolvant le problème persistant des politiques fragiles dans les tâches de manipulation robotique. En exploitant des embeddings multi-modaux pré-entraînés à grande échelle, le réseau de politique du robot mappe directement les entrées visuelles en couples articulaires, sans réentraînement spécifique à la tâche. Cette capacité zero-shot émergente permet à la plateforme d'exécuter avec succès de nouveaux flux de travail de manipulation et de gérer dynamiquement des environnements non structurés. Le PDG (Brett Adcock) a détaillé le changement d'architecture passant d'une commande hiérarchique traditionnelle à des architectures de réseau neuronal unifiées pour la perception et le contrôle. La convergence de l'optimisation du calcul en périphérie, de la précision de la fusion des capteurs et de l'apprentissage end-to-end raccourcit le calendrier de déploiement autonome. J'espère toujours que @continuumlabs_ lancera bientôt. J'attends avec impatience.