Alex de Vigan، بنیان‌گذار و مدیرعامل فیزیکل (Physicl)، اعلام کرد استارتاپش ۱۰ میلیون دلار سرمایه اولیه از Inovia Capital جذب کرده است. هدف این پول، حل یکی از گلوگاه‌های اصلی توسعه ربات است: تولید داده‌ی آموزشی باکیفیت فیزیکی برای مدل‌های هوش مصنوعی که قرار است در دنیای واقعی کار کنند.

ده ویگان پیش از این شرکت nfinite را ساخته بود؛ پلتفرمی که به برندها کمک می‌کرد مدل‌های سه‌بعدی محصولاتشان را برای نمایش آنلاین بسازند. با ورود مدل‌های ترنسفورمری، آن کسب‌وکار به سمت تولید تصویر مولد رفت، اما او باور داشت زیرساخت رندرینگ سه‌بعدی دقیقِ تیمش می‌تواند کاربردی کاملاً متفاوت پیدا کند.

محصول Studio: ۱۰ هزار محیط، ۱۰۰ هزار آبجکت#

فیزیکل هم‌زمان با اعلام سرمایه، محصولی به نام Studio منتشر کرده که شامل ۱۰٫۰۰۰ محیط سه‌بعدی و ۱۰۰٫۰۰۰ آبجکت است. کاربر می‌تواند صحنه‌های دلخواه بسازد و داده مصنوعی تولید کند. مثلاً اگر رباتی در تشخیص یک لیوان روی پیشخوان شلوغ یا در سایه مشکل دارد، Studio می‌تواند دقیقاً همان سناریو را در شبیه‌سازی بازتولید کند.

تمرکز اصلی فیزیکل روی post-training است؛ یعنی نه داده‌ی خام برای آموزش اولیه، بلکه سناریوهای لبه‌ای (edge case) که مدل‌ها را در شرایط دشوار تقویت می‌کند. SpAItial، سازنده مدل جهانی، اولین مشتری این محصول است. Matthias Niessner، مدیرعامل SpAItial و استاد رباتیک در دانشگاه فنی مونیخ، می‌گوید ابزار SpAItial برای تولید شبیه‌سازی سه‌بعدی از تصاویر دوبعدی به داده‌ی باکیفیت فیزیکل نیاز دارد.

فیزیکل فراتر از یک تأمین‌کننده داده#

ده ویگان می‌گوید فیزیکل خودش را صرفاً فروشنده‌ی بسته‌ی داده نمی‌بیند، بلکه پلتفرمی برای تولید مداوم داده مصنوعی است. تصویر او از آینده این است: مشتری تریلیون تصویر یا میلیون‌ها ساعت داده لیدار را به فیزیکل بدهد و پلتفرم آن‌ها را به بازنمایی سه‌بعدی دقیق تبدیل کند و میلیاردها واریاسیون برای آموزش تولید کند.

نیسنر این رویکرد را این‌طور توصیف می‌کند: «الان باید داده را دستی انتخاب کنید و این چرخه‌ای بسیار طولانی است. چیزی که برای ما جذاب است این است که این کار را به‌صورت آنی انجام دهید. شما Claude را اجرا می‌کنید، آن چک می‌کند که به داده‌ی بیشتری نیاز دارد، و خودش آن را تولید می‌کند.»

تحلیل تحریریه#

فضای تأمین داده مصنوعی برای رباتیک در دو سال اخیر شلوغ شده و فیزیکل خودش هم اعتراف می‌کند که مرزها «بسیار مبهم» است. آنچه این خبر را از بقیه جذب‌های سرمایه جدا می‌کند، زاویه‌ی ورود است: فیزیکل از رندرینگ تجاری سه‌بعدی می‌آید، نه از رباتیک یا بینایی ماشین. این یعنی مزیت رقابتی‌اش در هندسه و فیزیک مواد است، نه در الگوریتم یادگیری.

برای کسی که همین حالا ایجنت یا اتوماسیون می‌سازد و با مدل‌های زبانی کار می‌کند، این خبر عملاً چیزی عوض نمی‌کند. اما اگر در حوزه رباتیک فیزیکی یا مدل‌های جهانی فعال است، نکته‌ی مهم‌تر این است: هزینه‌ی جمع‌آوری داده از طریق عملیات از راه دور (teleoperation) همچنان بالاست و این شکاف، بازار فیزیکل و رقبایش را تعریف می‌کند. اینکه SpAItial به‌عنوان مشتری زودهنگام وارد شده، اعتبار فنی خوبی است، اما هنوز داده‌ی عمومی درباره‌ی کیفیت خروجی Studio منتشر نشده.

منبع: TechCrunch AI