Những robot này đã được thử nghiệm trong 30 ngôi nhà không quen thuộc ở khu vực Bay Area mà không cần thêm bất kỳ dữ liệu hay đào tạo nào từ những ngôi nhà đó. Chúng dọn dẹp phòng, gấp khăn và xếp giường bằng những gì đã học được. Khả năng tổng quát hóa trong thế giới thực như vậy là một bước tiến lớn đối với robot hình người. Cuộc thảo luận nhấn mạnh mạnh mẽ vào khả năng tổng quát hóa zero-shot, giải quyết vấn đề chính sách yếu kém lâu đời trong các nhiệm vụ thao tác robot. Bằng cách tận dụng các nhúng đa phương thức đã được huấn luyện trước quy mô lớn, mạng chính sách của robot ánh xạ trực tiếp đầu vào hình ảnh thành mô-men xoắn khớp mà không cần tái huấn luyện cho từng nhiệm vụ cụ thể. Khả năng zero-shot mới nổi này cho phép nền tảng thực hiện thành công các quy trình thao tác mới và xử lý linh hoạt các môi trường không cấu trúc. CEO (Brett Adcock) đã mô tả sự chuyển đổi kiến trúc từ hệ thống điều khiển theo pipeline phân cấp truyền thống sang các kiến trúc mạng thần kinh thống nhất cho nhận thức và điều khiển. Sự hội tụ của tối ưu hóa tính toán biên, độ chính xác kết hợp cảm biến và học end-to-end đang rút ngắn thời gian triển khai tự chủ. Vẫn đang hy vọng @continuumlabs_ sẽ ra mắt sớm Đang chờ đợi hết sức háo hức