Physicl набра 10 млн. долара начално финансиране от Inovia Capital за реалистични симулации за обучение на роботи, съобщава TechCrunch. Основаната и ръководена от Алекс дьо Виган компания се насочва към разработчици на модели на физическия свят и създатели на роботи, които се нуждаят от данни за трудни ситуации.

Стартъпът пуска Studio — продукт с 10 000 триизмерни среди и 100 000 дигитални модела на предмети. Потребителите могат да изграждат сцени и да генерират синтетични данни за конкретни задачи. Например така могат да създадат обучителни примери за робот, който трудно разпознава чаша върху претрупан плот или в сянка. Фокусът на Physicl е допълнителното обучение на модели за подобни гранични случаи.

Подходът цели да намали разликата между симулацията и реалността: виртуалните сцени трябва да възпроизвеждат достатъчно точно физическия свят, за да бъдат полезни при обучение. Обучението с видео не дава очакваните от изследователите резултати, а събирането на данни чрез дистанционно управление на роботи е скъпо. Симулациите предлагат алтернатива, но достоверното пресъздаване на физиката остава предизвикателство.

Технологичната основа идва от nfinite — предишния бизнес на дьо Виган, който през последното десетилетие улеснява създаването на 3D модели на стоки и представянето им онлайн. Навлизането на генеративния изкуствен интелект насочва тази компания към генерирани изображения. Дьо Виган вижда ново приложение за натрупаната технология: преобразуване на разнородна и непълна информация в триизмерни представяния с точна геометрия, материали и физика, които да служат за обучение на роботи.

Сред ранните клиенти е SpAItial, чийто инструмент генерира 3D симулации от двуизмерни изображения. Компанията е работила с Physicl за подобряване на точността на своите продукти, най-новият от които е Echo-3. Основателят и главен изпълнителен директор Матиас Ниснер, който е и професор по роботика в Техническия университет в Мюнхен, обяснява, че за тази задача са необходими висококачествени синтетични данни за обучение.

Амбицията на Physicl е да предлага не само готови данни, а инструменти за непрекъснатото им генериране. Дьо Виган си представя клиенти, които подават трилиони изображения или милиони часове лидарни записи и получават висококачествени 3D представяния, от които да се генерират милиарди варианти за обучение. Ниснер вижда особена стойност във възможността нови данни да се създават автоматично според текущите нужди на обучавания модел, вместо да се подбират ръчно в продължителен процес.