由前 Meta AI 研究人员创办的初创公司 Perceptron 发布了新一代视觉模型 Isaac 0.5，目标是把 AI 从数字场景进一步带入仓储、工厂等实体作业环境。公司称，这套模型可帮助机器人在复杂工业场景中完成感知、判断和执行。
面向仓储与工厂机器人
Perceptron 成立于 2024 年 11 月，由曾在 Meta 基础 AI 研究部门 FAIR 任职的 Armen Aghajanyan 和 Akshat Shrivastava 联合创办。两人希望打造一套更通用的视觉 AI 系统，用于工业自动化部署。
按照公司的说法，Isaac 0.5 可用于视觉引导机器人在仓库或工厂车间内移动，并处理现场视频信息，从中提取可用于运营分析的视觉数据。
与只针对单一重复任务训练的模型不同，Perceptron 试图把 Isaac 0.5 做成通用型系统。公司称，这一模型可根据不同环境调整处理方式，而不是只适配某一固定流程。
训练数据覆盖视频与机器人轨迹
Perceptron 表示，Isaac 0.5 使用了约 100 万小时的通用视频进行训练，以提升模型对场景、物体和操作情境的识别能力。
- 第一视角视频，即人类作业过程录像
- 用于学习重复动作的 UMI 视频数据
- 图像、文本、视频和机器人轨迹数据
公司没有披露这些训练数据的具体来源，但联合创始人称，团队已在内部构建了 PB 级数据集，用于支持模型训练。
近期完成 2100 万美元融资
Perceptron 近期完成 2100 万美元融资，由 Bessemer Venture Partners 领投。公司正准备将这套软件推向更多行业客户，希望把其智能层接入更广泛的自动化设备体系。
- 制造业
- 物流与仓储
- 安防、移动出行及媒体娱乐
Perceptron 认为，当前实体 AI 领域常见的选择，要么依赖成本较高的通用基础模型，要么只能使用功能较窄的单点模型。其目标是提供一套兼顾感知与控制、且可在不同场景中灵活部署的方案。
