| मॉडल | मोडैलिटी | रिलीज़ | आर्किटेक्चर | लाइसेंस |
|---|---|---|---|---|
| Perceptron Mk1 | टेक्स्टटेक्स्टछविटेक्स्टवीडियोटेक्स्ट | — | Other | — |
Perceptron AI भौतिक AI के लिए मल्टीमॉडल फाउंडेशन मॉडल विकसित करती है — ऐसा AI जो वास्तविक दुनिया के वातावरण में देखता, तर्क करता और कार्य करता है। कंपनी की स्थापना नवंबर 2024 में Meta के FAIR के शोधकर्ताओं द्वारा की गई थी और इसका मुख्यालय बेलेव्यू, वाशिंगटन में है, जहाँ AI शोधकर्ताओं और इंजीनियरों की एक छोटी टीम है। इसे Bessemer Venture Partners का समर्थन प्राप्त है।
इसका प्रमुख वाणिज्यिक मॉडल, Perceptron Mk1, एक विज़न-लैंग्वेज मॉडल है जो नेटिव वीडियो समझ और एम्बॉडीड तर्क के लिए बनाया गया है; यह 32K-टोकन संदर्भ के साथ 2 FPS तक वीडियो लेता है और संरचित टाइम कोड तथा क्लिप लौटाता है। इसके साथ ही कंपनी ओपन-वेट एम्बॉडीड फाउंडेशन मॉडलों की Isaac श्रृंखला विकसित करती है, जिसमें Isaac 0.1, एज-उन्मुख Isaac 0.2 और 36-अरब-पैरामीटर वाला स्पार्स मिक्सचर-ऑफ़-एक्सपर्ट्स Isaac 0.5 शामिल हैं, जो रोबोट नियंत्रण और एम्बॉडीड तर्क पर लक्षित हैं; ये मॉडल निरंतर नियंत्रण के लिए डिफ्यूजन ट्रांसफॉर्मर और असतत नियंत्रण के लिए FAST एक्शन वोकैबुलरी दोनों का समर्थन करते हैं।
इन मॉडलों के ऊपर Perceptron कई API प्रदान करती है। Egocentric कच्चे रोबोट और एगोसेंट्रिक वीडियो को संरचित, पॉलिसी-प्रशिक्षण योग्य सुपरविज़न में बदलता है, जिसमें प्रति-फ्रेम हाथ बॉक्स, 21-कीपॉइंट कंकाल, स्थायी बाएँ/दाएँ पहचान और 16-क्रिया वर्गीकरण के आधार पर प्रति-हाथ क्रिया कैप्शन शामिल हैं। Agentic Detection प्राकृतिक भाषा में या एक उदाहरण छवि से वर्णित किसी भी चीज़ को ग्राउंड करता है, छोटे, घने और अस्पष्ट विवरणों को सुलझाने के लिए एक छवि पर एक से अधिक बार तर्क करता है, और उपग्रह, ड्रोन, रोबोट, वाहन तथा पहनने योग्य उपकरणों के दृष्टिकोणों में सामान्यीकृत होता है। Mk1 के लिए एक Files API और video_frames इनपुट प्रकार बड़े वीडियो पेलोड को संभालने का ओवरहेड कम करते हैं।
डेवलपर्स और उद्यम Perceptron Platform और API, एक Python SDK, GitHub रिपॉज़िटरी और बाहरी मॉडल मार्केटप्लेस के माध्यम से इन मॉडलों तक पहुँचते हैं; Mk1 का मूल्य प्रति मिलियन इनपुट टोकन $0.15 और प्रति मिलियन आउटपुट टोकन $1.50 है — कंपनी कहती है कि यह 80–90% कम लागत पर OpenAI, Anthropic और Google के बराबर है या उनसे बेहतर है। इसके सिस्टम विनिर्माण, मीडिया, लॉजिस्टिक्स और सुरक्षा में उद्यम ग्राहकों के साथ तैनात हैं, और Isaac को Apache 2.0 के अंतर्गत जारी किया गया है, साथ ही LeRobot रोबोटिक्स लाइब्रेरी में एकीकरण भी है।
टीम शोध भी प्रकाशित करती है, जिसमें विज़ुअल तर्क को औपचारिक रूप देने पर एक अध्ययन शामिल है, जिसमें विज़ुअल खेलों में बैकट्रैकिंग और स्थानिक ग्राउंडिंग की जाँच की गई, और एक ऐसा कार्य भी शामिल है जो एक स्केलिंग लॉ रिपोर्ट करता है जो वास्तविक-रोबोट टेलीऑपरेशन डेटा की ज़रूरतों को लगभग 210 गुना कम करता है। कंपनी Mk1 के लिए VSI-Bench पर 88.5 और Isaac 0.5 के लिए LIBERO पर औसत 97.2% सफलता दर बताती है।
API प्रदाता
इस संगठन द्वारा संचालित सेवाएँ