Perceptron wurde im November 2024 von Armen Aghajanyan und Akshat Shrivastava gegründet, beide ehemalige Forscher bei Meta FAIR (Fundamental AI Research). Das Duo kritisiert den Status quo der Physical-AI-Branche scharf: Bestehende Ansätze zwängen Unternehmen entweder in generalistische Basismodelle mit hohem Cloud-GPU-Bedarf pro Instanz oder in enge Speziallösungen, die entweder nur Wahrnehmung oder nur Steuerung abdecken – nie beides kombiniert. Isaac 0.5 soll diese Lücke schließen, indem es flexibel auf wechselnde Umgebungen und Aufgaben reagiert, statt für einen einzigen, repetitiven Prozess optimiert zu sein. Als konkretes Beispiel nennt Shrivastava das Sortieren von Paketen: Ein Roboter muss dabei Etiketten lesen, räumliche Analysen durchführen, Greifsequenzen planen und mehrere Schritte koordinieren – alles Fähigkeiten, die Isaac 0.5 in einem einzigen Modell bündeln soll. Das Training stützte sich neben einer Million Stunden allgemeinen Videomaterials auch auf sogenannte Ego-Videos (Ich-Perspektive, z. B. via GoPro) und UMI-Videos, die repetitive menschliche Bewegungsabläufe aufzeichnen. Perceptron hat intern petabyte-skalierte Datensätze aufgebaut, die Bilder, Text, Video und robotische Trajektorien umfassen – die genauen Quellen bleiben undiskutiert. Zu den anvisierten Abnehmerbranchen zählen neben Fertigung und Logistik auch Sicherheit, Mobilität sowie Medien und Unterhaltung.