Physicl 10 Milyon Dolar Yatırım Aldı: Robotlar İçin Gerçekçi Simülasyon Dönemi
Haberler

Physicl 10 Milyon Dolar Yatırım Aldı: Robotlar İçin Gerçekçi Simülasyon Dönemi

· 3 DK

Yazar: KOZBA

İçindekiler
  1. E-ticaret görsellerinden robot eğitimine
  2. Sim-to-real açığı
  3. Studio: 10 bin ortam, 100 bin nesne
  4. İlk müşteri: SpAItial
  5. Kalabalık bir pazar
  6. Neden sentetik veri?
  7. Yatırımcı neden bu aşamada girdi?
  8. Sonuç

Alex de Vigan'ın önceki şirketi, üretken yapay zekanın yükselişiyle pazarını kaybetti. Şimdi aynı ekibin kurduğu 3D altyapısını robotların eğitimine taşıyor. Yeni girişimi Physicl, dünya modeli geliştiricileri ve robot üreticileri için daha gerçekçi simülasyonlar üretmek üzere Inovia Capital liderliğinde 10 milyon dolar tohum yatırım aldı.

E-ticaret görsellerinden robot eğitimine

Kurucu ve CEO de Vigan, son on yılı markaların ürünlerini çevrimiçi sergilemek için 3D model üretmeyi kolaylaştıran nfinite şirketini kurarak geçirdi. Transformatör tabanlı modellerin gelişiyle şirket üretken görsele yöneldi. Ancak de Vigan, ekibin ve teknoloji yığınının yeni bir amaca hizmet edebileceğini gördü.

"3D'de yaptığımız ve çok benzersiz olan şeyi yapay zeka ikame edecekti; ama yapay zekada eksik olan bir şey vardı: mekanı ve nesneleri anlama, onlarla etkileşme ve onları manipüle etme yeteneği" diyor.

Sim-to-real açığı

Robotları çeşitli ve küçük nesneleri tutma gibi görevlerde yetkinleştirmek isteyen araştırmacılar iki duvara çarpıyor: videoyla eğitimin getirisi düşük, uzaktan operasyonla veri toplamak ise pahalı. Dijital dünyada simülasyon umut verici bir çözüm; fakat simülasyonun gerçek fizikle tutarlı olmasını sağlamak zor.

de Vigan, önceki şirkette kurdukları hattın "yapılandırılmamış, eksik ve heterojen gerçek dünya bilgisini doğru geometri, malzeme ve fizikle yüksek sadakatli fiziksel temsile" dönüştürdüğünü, bunun artık fiziksel yapay zeka modellerini daha etkili kılabileceğini söylüyor.

Studio: 10 bin ortam, 100 bin nesne

Physicl'in ilk ürünü Studio, 10 bin 3D ortam ve 100 bin varlık içeriyor. Kullanıcılar sahneler kurup belirli problemler için sentetik veri üretebiliyor. Örneğin dağınık bir tezgahtaki fincanı ya da gölgede kalan bir nesneyi ayırt etmekte zorlanan bir robot için hedefli eğitim verisi üretilebiliyor.

Şirket kendisini yalnızca veri sağlayıcı olarak görmüyor; sürekli sentetik veri üretimi için araç seti olmayı hedefliyor. de Vigan, müşterilerin trilyonlarca görüntüyü veya milyonlarca saatlik lidar verisini getirip yüksek kaliteli 3D temsile dönüştürebileceğini hayal ediyor.

İlk müşteri: SpAItial

Dünya modeli geliştiricisi SpAItial, ürünlerinin sadakatini artırmak için Physicl ile erken müşteri olarak çalıştı. Geçen hafta Echo-3 adlı ürününü yayınlayan şirketin kurucusu ve CEO'su, aynı zamanda Münih Teknik Üniversitesi'nde robotik profesörü olan Matthias Niessner, 2D görüntüden 3D simülasyon üretmek için Physicl'in sunduğu türde yüksek sadakatli sentetik veriyle eğitim yapmaları gerektiğini söylüyor.

Niessner'in dikkat çektiği nokta verinin elle küratörlüğü: "Gerçek zorluk, veriyi elle küratörlemek zorunda olmanız ve bunun çok uzun bir döngü olması. Bize çekici gelen, bunu akış içinde yapabilmek: Claude çalışıyor ve 'burada daha fazla veriye ihtiyacım var' diye kontrol edip eğitim durumuna göre veriyi otomatik üretiyor."

Kalabalık bir pazar

Physicl, temel model geliştiricilerine ve robot operatörlerine veri ve araç sağlamaya çalışan kalabalık bir kategoride yarışıyor. de Vigan da bunu kabul ediyor: "Alan çok genç ve bazen çok bulanık." Farklı şirketler farklı modalitelerde veri topluyor, etiketliyor veya üretiyor; müşteriler ise robotları vaadine yaklaştıracak formülü arıyor.

Neden sentetik veri?

Robotikte veri toplamak, dil modellerinde internetten metin çekmeye benzemiyor. Bir robotun fincanı kavramayı öğrenmesi binlerce deneme gerektiriyor; her deneme fiziksel zaman, insan emeği ve donanım aşınması demek. Simülasyon bu maliyeti düşürüyor, ancak simülasyondaki fizik gerçekle uyuşmazsa model sahada çöküyor. Physicl'in tezi tam bu noktada: sadakat arttıkça simülasyonda üretilen veri gerçek verinin yerini alabilir hale geliyor.

Yatırımcı neden bu aşamada girdi?

Tohum turunu Inovia Capital yönetti. Kategorinin hem genç hem bulanık olduğunu kurucu de Vigan da kabul ediyor. Bu tür erken aşama yatırımlarda belirleyici olan genellikle ekip ve veri hattının yeniden kullanılabilirliği oluyor. On yıllık 3D render deneyimi, sıfırdan başlayan bir ekibe kıyasla burada avantaj olarak öne çıkıyor.

Sonuç

Robotikte darboğaz artık model mimarisinden çok veri kalitesi. Physicl'in iddiası, e-ticaret için kurulmuş bir 3D render hattını fiziksel yapay zekanın sentetik veri fabrikasına çevirmek. Yatırımcıların 10 milyon doları bu tezi finanse ediyor; ölçülecek şey ise simülasyonda eğitilen robotların gerçek dünyada ne kadar daha az veriyle öğrendiği olacak.

Paylaş