Physicl, dijital dünyayı robotlar için yeterince gerçek kılmak amacıyla 10 milyon dolar topladı

Physicl, başlangıçta malları çevrimiçi pazarlamak için inşa edilmiş bir boru hattıyla sim-gerçek arasındaki boşluğu çözmeye çalışıyor.

Alex de Vigan'ın son işi, üretken yapay zekanın yükselişiyle battı, ancak şimdi ekibin geliştirdiği teknolojinin, yani e-ticaret için cazip ürün görselleri oluşturmaya yönelik bir platformun, robotları daha kullanışlı hale getirecek şekilde yeniden tasarlanabileceğine iddialı bir adım atıyor.

Haberin Detayları ve Öne Çıkan Bilgiler

Yeni girişimi Physicl, dünya model tasarımcılarının ve robot üreticilerinin zorlu eğitim sorunlarını daha gerçekçi simülasyonlarla çözmelerine yardımcı olmak için Inovia Capital'den 10 milyon dolarlık başlangıç ​​fonu topladı.

Kurucu ve CEO de Vigan son on yılını nfinite'i geliştirmek için harcadı; bu, markaların ve perakendecilerin ürünlerinin 3D modellerini oluşturmasını ve bunları çevrimiçi olarak sergilemesini kolaylaştırdı. Transformatör tabanlı yapay zeka modellerinin gelişi, şirketin üretken görüntülere daha fazla odaklanmasına yol açtı, ancak de Vigan, ekibi ve 3D ortamları aslına sadık kalarak oluşturmak için oluşturdukları teknoloji yığını için yeni bir amaç gördü.

De Cigan, "3D'de yapma konusunda son derece benzersiz olduğumuz şeyin yerini yapay zeka alacaktı, ancak yapay zekada bir şey eksikti: Uzayı ve nesneleri anlama, etkileşimde bulunma ve manipüle etme yeteneği" diyor.

Robotların çeşitli, küçük nesneleri idare etme gibi görevleri yerine getirmesinde daha yetenekli hale getirmek için fiziksel yapay zeka modelleri geliştiren araştırmacılar, robotları videoyla eğitmenin getirileri ve uzaktan operasyonlar yoluyla veri toplamanın maliyeti nedeniyle hayal kırıklığına uğradı.

Dijital dünyalardaki simülasyonlar umut verici bir çözüm olarak görülüyor ancak bu simüle edilmiş dünyaların gerçek dünya fiziğine sadık kalmasının sağlanmasının zor olduğu kanıtlandı. de Vigan, önceki şirketinin "yapılandırılmamış, eksik, heterojen gerçek dünya bilgilerini doğru geometri, malzeme ve fizikle yüksek kaliteli fiziksel temsile dönüştürmek" için oluşturduğu boru hattının artık fiziksel yapay zeka modellerini daha etkili hale getirmek için kullanılabileceğine inanıyor.

Physcl, temel model oluşturuculara ve robot operatörlerine veri ve araç sağlamak için yarışan kalabalık bir startup kategorisine giriyor. De Vigan, "Uzay çok genç ve bazen çok bulanık" diye itiraf ediyor. Müşterileri, robotların sözlerini yerine getirmesini sağlayacak gizli sosu bulmaya çalışırken, farklı yöntemlerle veri toplayan, etiketleyen veya üreten çeşitli şirketler var.

Phyiscl özellikle zorlu uç durumlardaki eğitim sonrası modellere odaklanmak istiyor. Başlangıç, 10.000 3D ortamı ve çeşitli nesneleri temsil eden 100.000 varlığı içeren Studio adlı bir ürünü piyasaya sürüyor. Kullanıcıların, robotları belirli problemler konusunda eğitmek için sentetik veriler oluşturmak üzere sahneler oluşturmasına olanak tanır. Örneğin Studio, darmadağın bir tezgah üzerinde veya fincan gölgedeyken bir fincanı ayırt etmekte zorluk çeken bir robota yardımcı olmak amacıyla eğitim verileri oluşturmak için kullanılabilir.

Bir dünya modeli üreticisi olan SpAItial, en sonuncusu Echo-3'ün geçen hafta piyasaya sürüldüğü ürünlerinin kalitesini artırmak için ilk müşterisi olarak Physicl ile işbirliği yaptı. SpAItial'in aracı, 2 boyutlu görüntülerden 3 boyutlu simülasyonlar üretiyor ve bunu etkili bir şekilde yapabilmek için CEO'su ve kurucusu Matthias Niessner, Physicl'in sunduğu yüksek kaliteli sentetik veriler üzerinde eğitim almaları gerektiğini söyledi.

Ancak Physicl bir veri sağlayıcısından daha fazlası olmak istiyor; kendisini sürekli sentetik veri üretimi için bir araç olarak görüyor. De Vigan, "10 yıl önce farkında olmadan yarattığımız şey, temelde yapılandırılmamış bilgileri yüksek kaliteli 3D'ye dönüştürmek için aracılı bir iş akışıydı" dedi. Müşterilerin, platformuna beslemek için trilyonlarca görüntü veya milyonlarca saatlik LIDAR yakalama verilerini getirdiğini ve bunları, modellerini eğitmek için milyarlarca permütasyon oluşturmak için kullanılabilecek yüksek kaliteli 3D temsillere dönüştürdüğünü hayal ediyor.

Münih Teknik Üniversitesi'nde robot bilimi profesörü olan Niessner, TechCrunch'a şunları söyledi: "Asıl zorluk, verileri elle düzenlemeniz gerektiği ve bu çok uzun bir döngü." "Bize çok çekici gelen şey, bunu anında yapabilmenizdir […] Claude'u çalıştırıyorsunuz ve o, 'Oh, eğitimimde bununla ilgili daha fazla veriye ihtiyacım var' diye kontrol ediyor ve ardından eğitim durumuna bağlı olarak bu verileri otomatik olarak üretiyor. Bu benim için son derece heyecan verici ve Physicl'in sunduğu da tam olarak bu."