Alex de Vigan, aki korábban a nfinite nevű vállalkozást vezette, most új startupot indított Physicl néven, és 10 millió dollár seed tőkét szerzett az Inovia Capitaltól. A cél az, hogy a csapat korábbi 3D-renderelési és e‑kereskedelmi megoldásait átültessék a robotika és a fizikai AI problémáinak megoldására: realisztikus szimulációk előállítására, amelyekkel hatékonyabbá tehetők a robotok tanulási folyamatai.
Miért lehet fontos ez a robotikában?
A generatív AI megjelenése miatt a nfinite korábbi portfóliója iránti kereslet átalakult, de de Vigan szerint az az infrastruktúra, amelyik valósághű 3D-környezeteket tud létrehozni, jól használható arra, hogy a robotok térbeli és tárgymanipulációs képességét fejlesszék. A kutatók szerint a videókon való betanítási kísérletek korlátokba ütköznek, és a távoli adatszerzés költséges; a szimulációk ígéretes alternatívát jelenthetnek, ha azok fizikai szempontból hűek a valósághoz.
De Vigan szerint a nfinite-nél kifejlesztett folyamat képes „transzformálni a strukturálatlan, hiányos, heterogén valós világbeli információt magas részletességű fizikai reprezentációvá, helyes geometriával, anyagokkal és fizikával”, és ezt a csővezetéket akarja most robotikai alkalmazásokra használni.
A termék: Studio
A Physicl első komoly terméke Studio névre hallgat. A cég közlése szerint a Studio 10 000 3D-környezetet és 100 000 objektumot reprezentáló assetet tartalmaz, amelyek segítségével a felhasználók színpadokat hozhatnak létre specifikus problémák szintetikus adatgenerálásához. Konkrét példaként említették, hogy egy robot gyakran problémázik egy csésze felismerésével egy zsúfolt konyhapulton vagy árnyékban — az ilyen, nehezen kezelhető edge case-ekre lehet célzott adatsorokat gyártani.
Együttműködés a világmodelleket építőkkel
Korai ügyfélként a world model fejlesztő SpAItial együttműködött a Physicl-lel, hogy javítsa termékei hűségét; SpAItial legújabb kiadása, Echo‑3, a múlt héten jelent meg. SpAItial eszköze 2D képekből generál 3D-szimulációkat, és Matthias Niessner, a cég vezérigazgatója és a Műszaki Egyetem, München robotikai professzora elmondta, hogy a magas részletességű, szintetikus adatokra volt szükségük a hatékony betanításhoz.
Niessner szerint a vonzó lehetőség az, hogy a szintetikus adatokat dinamikusan, „on the fly” lehessen generálni az aktuális betanítási állapot alapján: a rendszer észlezi, mikor kell több adat egy adott esetre, és automatikusan létrehozza azt. Ezt a képességet a Physicl a platformja egyik fő ígéretének tekinti.
Piaci helyzet és terv
A Physicl egy zsúfolt területre lép be: több startup és cég is adatgyűjtéssel, címkézéssel vagy szintetikus adatok előállításával foglalkozik, miközben a robotikai és alapmodell‑építők keresik a működő megoldást. De Vigan elismeri, hogy a térség még fiatal és sokszor bizonytalan. A Physicl ennél többre vállalkozik, mint egyszerű adatszolgáltatás: eszköznek (tooling) tekinti magát a folyamatos szintetikus adatgeneráláshoz, amelyet nagy mennyiségű képpel vagy LIDAR-adattal táplálva sokféle, milliárdos permutációjú betanító adatot lehet előállítani.
A cég most a seed tőkét felhasználva próbálja kibővíteni termékét és ügyfélkörét, miközben a technológia valós világbeli fizikához való hűségét hangsúlyozza mint megkülönböztető előnyt.
Kulcsadatok
- Befektetés: 10 millió dollár seed, Inovia Capital
- Alapító és vezérigazgató: Alex de Vigan
- Korábbi cég: nfinite
- Termék: Studio — 10 000 3D-környezet, 100 000 asset
- Korai ügyfél: SpAItial (Echo‑3)
