Physical Intelligence: Robot Foundation Models bereiken behendigheid sneller dan verwacht, maar de echte bottleneck is verschoven naar gezond verstand
Podcastinterview met co-founder Sergey Levine van Physical Intelligence belicht de stand van zaken bij general-purpose robotica-onderzoek en de technische routekaart van het bedrijf
Sergey Levine, co-founder en onderzoeker bij Physical Intelligence, heeft een uitzonderlijk gedetailleerd technisch beeld geschetst van waar general-purpose robotica vandaag de dag staat. Uit dat beeld blijkt dat de sector op het gebied van behendigheid verder gevorderd is dan buitenstaanders doorgaans aannemen, maar tegelijkertijd wordt geremd door een probleem dat weinigen vooraf hadden voorzien als de voornaamste beperking: semantische redeneringen op middenniveau in plaats van fysieke besturing. Het gesprek, onderdeel van een reeks diepgaande interviews, valt minder op door marketinggeluiden dan door een openhartige toelichting over wat de onderzoekers van het bedrijf sinds de oprichting wel en niet heeft verrast.
De bottleneck is verschoven van fysieke vaardigheid naar redeneervermogen
De meest ingrijpende onthulling in het gesprek is dat de modellen van Physical Intelligence inmiddels een drempel zijn gepasseerd waarop verdere verbetering niet langer voortkomt uit meer teleoperatiedata, maar simpelweg uit het aanspreken van de robot via taal. Levine beschreef een intern experiment van ongeveer zes maanden geleden waarin het team stopte met het toevoegen van teleoperatiedata op laag niveau om fouten te verhelpen, en in plaats daarvan bestaande robotervaringen voorzag van semantische commando's op hoger niveau. "Dat verbetert het vermogen tot generalisatie daadwerkelijk," zei hij. Hij legde uit dat "de bottleneck in feite was verschoven van het laagste niveau — oftewel het vermogen van de robot om de taak fysiek uit te voeren — naar dit middenniveau, waar het systeem nu meer wordt geremd in zijn vermogen om de situatie te interpreteren en de juiste volgende stap te selecteren, wat met taal kan worden begeleid." In de praktijk betekent dit dat de prestaties van een robot nu kunnen worden verbeterd via coaching in natuurlijke taal in plaats van het kostbaar verzamelen van fysieke demonstratiedata, een ingrijpende verandering in de unit economics van het opschalen van dergelijke systemen.
Behendigheid en cross-embodiment generalisatie overtroffen interne verwachtingen
Levine was er helder over dat de vooruitgang op het gebied van behendigheid zijn eigen verwachtingen heeft overtroffen. "We hebben veel meer vooruitgang geboekt op het gebied van behendigheid dan ik had gedacht," zei hij. Hij merkte op dat hetzelfde model werd overgedragen op robots met een verschillend aantal vrijheidsgraden en handgedeelten met meerdere vingers, zonder dat daar architectuurwijzigingen voor nodig waren of dat het model zelfs maar hoefde te weten welk type robot het aanstuurde. Deze cross-embodiment generalisatie, bereikt simpelweg door fine-tuning op nieuwe data in plaats van nieuwe technieken, is een treffend datapunt voor investeerders die proberen te beoordelen of foundation models de R&D-kosten kunnen amortiseren over diverse hardwareplatformen. Dit is een centrale these achter de gehele investeringshypothese rond robot foundation models.
Echte data versus simulatie blijft een onopgeloste en ingrijpende kloof
Een van de scherpste technische onthullingen betreft een kloof in het vakgebied die volgens Levine wordt onderschat: humanoïde robots die acrobatische demo's uitvoeren, leunen nagenoeg volledig op simulatie met "vaak daadwerkelijk nul echte werelddata", terwijl robotische manipulatiesystemen — de focus van Physical Intelligence — zwaar leunen op data uit de echte wereld en grote foundation models met minimale simulatie. "Het is best verrassend dat in deze twee robotica-domeinen de dominante benaderingen zo sterk van elkaar verschillen," zei hij. Hij voegde eraan toe dat het onduidelijk blijft of het ene paradigma uiteindelijk wint of dat er een synthese ontstaat. Dit is een actuele, onopgeloste architectuurvraag met directe implicaties voor de kapitaalallocatie binnen de sector, aangezien beide benaderingen zeer verschillende kostenstructuren voor dataverwerving en tijdlijnen impliceren.
Hardwarekosten zijn gekelderd, waardoor een structurele barrière is weggenomen
Levine kwantificeerde de deflatiecurve van de hardware die ten grondslag ligt aan de huidige golf van investeringen in robotica: de PR2-robot die hij tien jaar geleden gebruikte, kostte ongeveer $400.000; tegen de tijd dat hij zijn lab aan UC Berkeley startte, kostte een vergelijkbare robot zo'n $30.000; vandaag de dag kost een enkele robotarm een tiende daarvan, en Levine verwacht verdere dalingen. Hij schreef dit toe aan een combinatie van hardware- en softwarevooruitgang. Hij merkte op dat goedkope armen onbruikbaar zouden zijn met traditionele hogeprecisiemethoden, maar levensvatbaar worden zodra ze worden gekoppeld aan op leren gebaseerde systemen die compenseren voor goedkopere, minder precieze actuators en minimale sensoren. Het eigen platform van Physical Intelligence maakt gebruik van drie camera's en geen tast- of krachtsensoren — bewust minimalistisch — vanuit de gedachte dat leren hardwarematige sensoren kan vervangen.
Onzekerheid over de tijdlijn hangt expliciet samen met een onopgeloste datastrategie
Levine was opvallend direct over het feit dat de eigen tijdlijnprognose van Physical Intelligence afhangt van een onbeantwoorde empirische vraag: of toekomstige opschaling voornamelijk steunt op menselijke teleoperatiedemonstraties of op autonome reinforcement learning-data die worden verzameld door ingezette robots, wat hij omschreef als een verhouding van "90/10 of 10/90". "Mijn gevoel over de tijdlijn is optimistischer geworden sinds we zijn begonnen," zei hij, maar hij waarschuwde dat de juiste zakelijke en technische aanpak "vrij drastisch verandert" afhankelijk van welk dataparadigma wint, en dat dit de komende jaren pas empirisch zal worden opgelost. Dit is een opmerkelijk eerlijke onthulling voor een bedrijf dat in het middelpunt staat van een omvangrijk kapitaalwervingsverhaal, en het suggereert dat investeerders roboticatijdlijnen met meer bescheidenheid moeten benaderen dan het durfkapitaalverhaal rond de sector doorgaans toelaat.
Waar de technologie het langst moeite mee zal hebben: menselijke interactie, niet fysieke complexiteit
Gevraagd naar wat de moeilijkste resterende taken zullen zijn, wees Levine niet op intensieve behendigheidstaken, maar op taken die fysieke interactie met mensen omvatten. Hij noemde ouderenzorg en kinderopvang — specifiek het verschonen van een luier — als waarschijnlijk enkele van de allerlaatste capaciteiten die robots zich eigen zullen maken. "Ik denk dat dat echt het hoogtepunt is van de paradox van Moravec," zei hij, waarbij hij aanvoerde dat mensen systematisch de moeilijkheidsgraad onderschatten van taken die ze evolutionair gezien moeiteloos uitvoeren. Dit is direct relevant voor investeerders die de total addressable market per sector modelleren: de categorieën in de zorg met de hoogste waarde en de grootste betalingsbereidheid zijn mogelijk ook het lastigst en traagst te automatiseren, terwijl alledaagse commerciële taken zoals hotelhuishouding of ondersteuning in restaurants op de korte termijn verhoudingsgewijs beter haalbaar zijn.
Zakelijke adoptie zal lijken op coding copilots, niet op vervanging van massale arbeid
Levine nam afstand van de binaire framing van "robots vervangen werknemers" en trok een directe analogie met de manier waarop AI-programmeertools de software-engineering hebben hervormd. "Het is niet zo dat programmeertools op het toneel verschenen en we opeens geen software-engineers meer nodig hebben," zei hij. Hij voorspelde dat de adoptie van robotica vergelijkbaar zal verlopen als een "dans" waarin mensen en robots taken uitwisselen: soms werken robots zij aan zij met mensen, soms richten mensen omgevingen in om robots productiever te maken, en vice versa. Voor ondernemingen die de timing van een implementatie beoordelen, waarschuwde Levine dat de naieve aanname van "gewoon meer data verzamelen" vaak onjuist is, aangezien datakwaliteit en -type belangrijker zijn dan het volume, en dat dit sterk afhangt van onopgeloste architectuurkeuzes die de sector nog niet heeft gemaakt.
Waar robotsystemen de menselijke capaciteiten uiteindelijk kunnen overtreffen
Naast pariteit in behendigheid wees Levine op concrete, nabije bovenmenselijke capaciteiten: taaksnelheid, aangezien menselijke demonstrators regelmatig pauzeren voor cognitieve verwerking die algoritmisch kan worden weggefilterd en versneld; en op termijn schaal en vormfactor. Hij noemde zwermen quadcopters of chirurgische robots die niet beperkt zijn tot door mensen bestuurbare interfaces als langetermijnmogelijkheden, zodra systemen geen real-time menselijke teleoperatie meer nodig hebben voor handelingen die extreme behendigheid vereisen, zoals robotchirurgie.