Um robô alimentado pelo modelo GEN‑1.5 usou uma banana em vez de um pincel

• GEN‑1.5 ensina robôs com uma única demonstração
• O modelo utiliza dados multimodais para controle
• O robô substituiu a escova por uma banana, juntando os blocos
• Os testes confirmam a flexibilidade e a improvisação do sistema

A empresa Generalist AI, com sede nos EUA, anunciou o desenvolvimento de um modelo fundamental multimodal chamado GEN‑1.5. Este modelo é projetado para controlar robôs e se destaca pela capacidade de aprender novas ações físicas após uma breve demonstração, colocada em uma janela contextual, ou após um pequeno ajuste por meio de um método de gradiente em um único ou vários passos.

Como funciona o GEN‑1.5

O GEN‑1.5 combina dados visuais, textuais e sensoriais, permitindo que o sistema "veja" e "entenda" o ambiente em tempo real. Ao apresentar uma breve demonstração em vídeo da nova ação na janela de contexto, o modelo forma uma representação interna da tarefa e gera sinais de controle para os mecanismos executores do robô. Se necessário, o modelo pode ser ajustado adicionalmente usando o método de gradiente, o que requer apenas algumas iterações e um pequeno volume de dados.

Testes e resultados

Durante uma série de testes em laboratório, o robô controlado pelo GEN‑1.5 demonstrou capacidade de improvisação. Em um dos cenários, o robô foi encarregado de coletar um conjunto de blocos e colocá-los em uma tigela. O robô não conseguiu usar uma escova comum, destinada a pegar pequenos objetos, pois ela estava indisponível. O modelo rapidamente reavaliou a situação e sugeriu uma alternativa – usar uma banana, que estava ao lado, como uma ferramenta improvisada.

O robô substituiu com sucesso a escova por uma banana, coletou todos os cubos e os transferiu para a tigela, demonstrando assim a flexibilidade e adaptabilidade de comportamento, características de formas mais avançadas de inteligência artificial. Este experimento confirma que o GEN‑1.5 pode não apenas copiar ações demonstradas, mas também encontrar soluções criativas em novas condições.

Essas capacidades abrem perspectivas para aplicação em tarefas industriais e de serviços reais, onde as condições mudam frequentemente e as ferramentas disponíveis podem ser limitadas. A capacidade do robô de se adaptar rapidamente sem re-treinamento prolongado reduz os custos de programação e aumenta a eficiência da automação.

Os desenvolvedores enfatizam que o modelo permanece fundamental e pode ser integrado em várias plataformas robóticas. Está previsto um futuro aumento das capacidades do GEN‑1.5, incluindo manipulações mais complexas e trabalho em condições de informação visual limitada.

Uma descrição detalhada do modelo e dos resultados dos testes foi publicada no blog oficial da Generalist AI, onde também estão apresentados os detalhes técnicos da arquitetura e exemplos de aplicação em outros cenários.

Fonte: N+1