General Intuition 押注游戏训练 AI 用于现实机器人

关键信息

General Intuition 表示，关键不只是游戏视频本身，而是其中嵌入的动作标签，也就是玩家在什么时间按了哪些按键。公司还称，只用了 8 分钟的现实世界机器人数据就能微调其四足机器人模型，该模型使用单摄像头，并且默认以“探索”模式运行。

资讯摘要

在 General Intuition 位于纽约的研发楼层，公司现场演示了一个系统：同一个 AI 模型既驱动着一个类似 Fortnite 的游戏智能体，也驱动着一台在办公室里移动的大型四足机器人。联合创始人兼首席执行官 Pim de Witte 说，这个游戏智能体已经连续运行了 100 个小时，而机器人则通过单摄像头输入在默认的“探索”模式下自主行动。机器人会绕开家具、蹭到椅子腿、撞上杂物，既显示出一定的自主性，也暴露出它对现实物理环境理解仍然有限。

General Intuition 表示，只需要 8 分钟的现实世界机器人数据，就能对四足机器人模型进行微调，而且这些数据是在街道上收集的，不是在办公室演示环境里采集的。公司的核心想法是，一个具身智能体可以从游戏玩法迁移到仿真环境，再进一步迁移到现实世界中的实体行为。General Intuition 是从 Medal 分拆出来的，Medal 是 de Witte 创办的游戏视频剪辑分享公司。

该公司称，Medal 上数亿小时的游戏上传内容，为训练模型进行时空推理提供了初始数据集，也就是理解物体如何在空间和时间中移动的能力。de Witte 强调，关键输入不仅是视频本身，更是剪辑里嵌入的动作标签，即玩家在什么时间按下了什么按键。他认为，很多竞争对手试图只从视频中推断动作，但这还不够。

公司把自己的世界模型定位为训练环境，而不是最终产品，内部把它称作“健身房”。General Intuition 最终想销售的是智能体模型本身，而不是这个模拟环境。de Witte 说，这些动作数据帮助模型区分“自我”和“环境”，从而建立更强的因果理解。

周四，General Intuition 宣布完成 3.2 亿美元融资，投后估值达到 23 亿美元，总披露融资额增至 4.54 亿美元。这个总额还包括公司在去年 10 月成立时获得的 1.34 亿美元融资。公司的主张是，游戏数据可能成为一种可规模化的捷径，用来训练那些原本需要大量且昂贵现实数据的模型。

不过，报道也指出，许多其他团队都在尝试类似方向，而核心难题仍然是这种模型能否在物理世界中稳定、大规模地工作。General Intuition 的演示看起来很有说服力，但公司尚未证明这种方法已经在真实部署中得到广泛验证。

来源与参考

1. 原始链接
2. General Intuition's $2.3B bet that video games can train AI agents for the real world | TechCrunch