A startup Physical Intelligence, que desenvolve softwares para robôs, anunciou nesta segunda-feira (04) que levantou US$ 400 milhões em uma rodada early-stage com capital de Jeff Bezos, fundador da Amazon, além da OpenAI e dos fundos de venture capital Thrive Capital e Lux Capital. Segundo o PitchBook, a captação foi feita a um valuation de US$ 2 bilhões.
O principal objetivo da Physical Intelligence é criar um software que funcione em qualquer robô, eliminando a necessidade de desenvolver um software diferente para cada tarefa específica.
A rodada chega num momento em que diversas big techs têm apostado em robôs humanoides para surfar a onda da inteligência artificial. Elon Musk disse em um evento na Arábia Saudita, no final de outubro, que até 2040 haverá pelo menos 10 bilhões de robôs humanoides com preços entre US$ 20 mil e US$ 25 mil.
A Tesla lançou o seu robô autônomo, o Optimus, recentemente. No entanto, fontes revelaram que a companhia utilizou humanos para controlar à distância os protótipos.
Várias startups também estão entrando no espaço da inteligência artificial robótica, incluindo a Vicarious, que foi adquirida pela Intrinsic, da Alphabet, em 2022, além da Universal Robots, Seegrid e Covariant.
Em seu portal, a Physical Intelligence diz estar trazendo a inteligência artificial de propósito geral para o mundo físico.
“Nos últimos oito meses, desenvolvemos um modelo de base para robôs de propósito geral que chamamos de π0 (pi-zero). Acreditamos que este é um primeiro passo em direção ao nosso objetivo de longo prazo de desenvolver inteligência física artificial, permitindo que os usuários simplesmente peçam aos robôs que realizem qualquer tarefa, assim como fazem com modelos de linguagem grandes (LLMs) e assistentes de chatbot”, explica a empresa.
Assim como os LLMs, o modelo da Physical Intelligence é treinado com dados amplos e diversos e pode seguir várias instruções em texto. Ao contrário dos LLMs, diz a startup, ele abrange imagens, texto e ações, “adquirindo inteligência física por meio do treinamento em experiências corporificadas de robôs, aprendendo a emitir diretamente comandos motores de baixo nível através de uma arquitetura inovadora”.