🤖
🤖
核心导读
Physicl 获 Inovia Capital 1000 万美元种子轮融资,计划把 nfinite 积累的高保真 3D 渲染与合成数据能力用于机器人训练。其 Studio 提供大量 3D 场景和素材,可按需生成边缘案例数据,帮助世界模型和具身智能团队以更真实的仿真提升训练效率。
亚历克斯·德·维冈(Alex de Vigan)上一家公司被生成式 AI 的崛起所淹没,但如今他押注团队此前打造的技术——一个为电商创建诱人商品渲染图的平台——可以被重新利用,让机器人变得更有用。
他的新公司 Physicl 已从 Inovia Capital 获得 1000 万美元种子轮融资,旨在帮助世界模型设计者和机器人构建者通过更逼真的仿真解决棘手的训练难题。
作为创始人兼 CEO,德·维冈过去十年一直在打造 nfinite。该公司让品牌和零售商能够轻松创建商品的 3D 模型并在线上展示。基于 Transformer 的 AI 模型出现后,nfinite 更侧重于生成式图像,但德·维冈为团队及其为忠实渲染 3D 环境而构建的技术栈找到了新用途。
“我们在 3D 领域所做的事情非常独特,AI 原本会取代它,但 AI 缺少一样东西:理解和交互、操控空间与物体的能力。”德·维冈说。
致力于开发物理 AI 模型、让机器人更能处理各种小型物体的研究人员,一直受困于用视频训练模型的回报有限,以及通过远程操作采集数据的高昂成本。
数字世界中的仿真被视为一种有前景的解决方案,但确保这些模拟世界忠实于真实世界物理规律已被证明十分困难。德·维冈认为,他上一家公司构建的流程——将“非结构化、不完整、异构的现实世界信息转化为具有正确几何、材质和物理属性的高保真物理表征”——现在可用于让物理 AI 模型更有效。
Physicl 正进入一个拥挤的初创公司赛道,这些公司竞相为基础模型构建者和机器人运营方提供数据与工具。“这个领域非常年轻,有时也非常模糊。”德·维冈承认。随着客户试图找到能让机器人兑现承诺的“秘诀”,各类公司正在以不同模态收集、标注或生成数据。
尤其是,Physicl 希望专注于针对困难边缘案例进行模型后训练。这家初创公司推出了名为 Studio 的产品,包含 1 万个 3D 环境和 10 万个代表各种物体的素材。用户可创建场景,生成合成数据,以针对特定问题训练机器人。例如,Studio 可用于生成训练数据,帮助机器人分辨杂乱台面上的杯子,或处于阴影中的杯子。
世界模型构建公司 SpAItial 作为早期客户与 Physicl 合作,以提升其产品的保真度;其最新产品 Echo-3 于上周发布。SpAItial 的工具可从 2D 图像生成 3D 仿真;其 CEO 兼创始人马蒂亚斯·尼斯纳(Matthias Niessner)表示,要高效实现这一点,他们需要用 Physicl 提供的那类高保真合成数据进行训练。
不过,Physicl 想做的不仅是数据提供商;它将自己视为持续生成合成数据的工具。德·维冈说:“我们 10 年前创造的东西,当时并不知道,本质上是一个智能体工作流,用来将非结构化信息转化为高保真 3D。”他设想客户把数万亿张图像或数百万小时的激光雷达采集数据输入其平台,转化为高质量 3D 表征,进而生成数十亿种变体来训练模型。
“真正的挑战在于,你必须手工策划数据,而这是一个非常漫长的周期。”同时担任慕尼黑工业大学机器人学教授的尼斯纳对 TechCrunch 表示。“对我们来说,非常有吸引力的是,你可以直接即时完成这件事……你运行 Claude,它会检查,‘哦,我在训练中需要更多这类数据’,然后根据训练状态自动生成这些数据。这让我非常兴奋,而这正是 Physicl 所提供的。”
分享这篇文章: