Physicl привлекла 10 млн долларов для обучения роботов в 3D

Стартап Physicl, основанный Алексом де Виганом, успешно привлек 10 миллионов долларов в рамках посевного раунда финансирования от Inovia Capital. Целью компании является устранение разрыва между цифровыми симуляциями и физической реальностью, что является ключевой проблемой при обучении современных роботов.

• Physicl использует опыт команды, создавшей платформу 3D-рендеринга товаров для e-commerce.
• Стартап предлагает продукт Studio с 10 000 сред и 100 000 активов для создания синтетических данных.
• Технология позволяет роботам обучаться на сложных сценариях, таких как работа с предметами в тени или на захламленных поверхностях.
• Инструмент поддерживает автоматическую генерацию данных в процессе обучения модели.

От e-commerce до сложной робототехники

Алекс де Виган ранее основал nfinite, платформу, которая помогала брендам создавать 3D-модели товаров для интернет-магазинов. С развитием генеративного ИИ он понял, что инфраструктура, построенная его командой для воссоздания физических объектов в виртуальном пространстве, может быть трансформирована для нужд робототехники.

Разработчикам физического ИИ критически не хватает данных о взаимодействии с пространством. Обучение на видео или дистанционное управление роботами обходятся дорого и недостаточно эффективно. Physicl решает эту задачу, преобразуя неструктурированные данные в высокоточные 3D-представления с корректной геометрией и физическими свойствами материалов.

Фокус на краевых случаях

Основной продукт стартапа, Studio, ориентирован на обучение моделей в так называемых «краевых случаях» (edge cases). Это нестандартные ситуации, в которых роботы часто совершают ошибки. Платформа позволяет создавать бесконечные вариации сцен, чтобы робот мог научиться распознавать объекты в сложных условиях освещения или при плотной расстановке предметов.

Первым крупным клиентом Physicl стал проект SpAItial, который использует синтетические данные для обучения своих моделей генерации 3D из 2D-изображений. По словам Маттиаса Нисснера, генерального директора SpAItial, возможность генерировать данные «на лету» в процессе обучения — это именно тот прорыв, который необходим индустрии.

Перспективы для рынка ИИ

Для индустрии робототехники в СНГ и мире это означает переход к более масштабируемому обучению агентов. Вместо ручного сбора данных, разработчики смогут использовать «агентские рабочие процессы», где модель сама определяет, каких данных ей не хватает для дообучения, и запрашивает их генерацию у платформы. Это существенно сокращает цикл разработки и приближает момент появления автономных роботов, способных эффективно работать в бытовых и производственных условиях.