آخرین کسب‌وکار Alex de Vigan با گسترش هوش مصنوعی مولد زیر فشار قرار گرفت؛ اما حالا او روی این فناوری که تیمش ساخته بود شرط بسته است: پلتفرمی برای تولید تصاویر جذاب از محصولات در تجارت الکترونیک که می‌توان آن را برای کاربردی‌تر کردن ربات‌ها به کار گرفت.

شرکت جدید او، Physicl، ۱۰ میلیون دلار سرمایه اولیه از Inovia Capital جذب کرده است تا به طراحان world model و سازندگان ربات کمک کند با شبیه‌سازی‌های واقع‌گرایانه‌تر، مشکلات پیچیده آموزش را حل کنند.

de Vigan، بنیان‌گذار و مدیرعامل شرکت، یک دهه گذشته را صرف ساخت nfinite کرد؛ شرکتی که به برندها و خرده‌فروشان امکان می‌داد به‌سادگی مدل‌های سه‌بعدی محصولاتشان را بسازند و آن‌ها را به‌صورت آنلاین نمایش دهند. با ظهور مدل‌های هوش مصنوعی مبتنی بر ترنسفورمر، این شرکت تمرکز بیشتری بر تولید تصاویر مولد گذاشت؛ اما de Vigan هدف تازه‌ای برای تیم و مجموعه فناوری‌ای که برای بازنمایی دقیق محیط‌های سه‌بعدی ساخته بودند، در نظر گرفت.

de Cigan می‌گوید: «هوش مصنوعی قرار بود چیزی را که ما در ساخت سه‌بعدی‌اش واقعاً منحصربه‌فرد بودیم جایگزین کند، اما در هوش مصنوعی چیزی کم بود: توانایی درک فضا و اشیا، تعامل با آن‌ها و دست‌کاری‌شان.»

پژوهشگرانی که روی مدل‌های هوش مصنوعی فیزیکی کار می‌کنند تا ربات‌ها را در انجام کارهایی مانند جابه‌جایی اشیای کوچک و متنوع توانمندتر کنند، از نتایج آموزش این مدل‌ها با ویدئو و نیز هزینه گردآوری داده از طریق عملیات از راه دور رضایت ندارند.

شبیه‌سازی در جهان‌های دیجیتال راه‌حلی امیدبخش به شمار می‌رود، اما اطمینان از اینکه این جهان‌های شبیه‌سازی‌شده با فیزیک دنیای واقعی مطابقت داشته باشند، دشوار بوده است. de Vigan معتقد است خط لوله‌ای که شرکت قبلی‌اش برای «تبدیل اطلاعات نامنظم، ناقص و ناهمگون دنیای واقعی به بازنمایی فیزیکی با وفاداری بالا... و هندسه، مواد و فیزیک درست» ساخته بود، حالا می‌تواند برای اثربخش‌تر کردن مدل‌های هوش مصنوعی فیزیکی به کار گرفته شود.

Physcl وارد عرصه‌ای شلوغ از استارتاپ‌هایی می‌شود که برای تأمین داده و ابزار موردنیاز سازندگان مدل‌های پایه و اپراتورهای ربات با یکدیگر رقابت می‌کنند. de Vigan می‌پذیرد: «این حوزه هنوز بسیار نوپاست و گاهی هم مرزهایش بسیار مبهم است.» شرکت‌های گوناگونی در حال گردآوری، برچسب‌گذاری یا تولید داده در قالب‌های مختلف هستند و مشتریانشان می‌کوشند راز موفقیتی را پیدا کنند که ربات‌ها را به وعده‌هایشان برساند.

Physicl به‌طور مشخص می‌خواهد بر آموزش تکمیلی مدل‌ها با موارد مرزی دشوار تمرکز کند. این استارتاپ محصولی به نام Studio عرضه می‌کند که شامل ۱۰ هزار محیط سه‌بعدی و ۱۰۰ هزار دارایی نماینده اشیای مختلف است. کاربران می‌توانند با آن صحنه‌هایی بسازند و داده مصنوعی تولید کنند تا ربات‌ها را برای حل مسائل مشخص آموزش دهند. برای نمونه، می‌توان از Studio برای تولید داده آموزشی کمک گرفت تا رباتی که در تشخیص یک فنجان روی پیشخوان شلوغ مشکل دارد، یا نمی‌تواند فنجانی را که در سایه قرار گرفته تشخیص دهد، عملکرد بهتری پیدا کند.

SpAItial، سازنده world model، در مقام یکی از مشتریان اولیه با Physicl همکاری کرد تا وفاداری محصولاتش را بهبود دهد. تازه‌ترین محصول این شرکت، Echo-3، هفته گذشته عرضه شد. ابزار SpAItial از تصاویر دوبعدی شبیه‌سازی‌های سه‌بعدی تولید می‌کند و Matthias Niessner، مدیرعامل و بنیان‌گذار آن، گفت برای انجام این کار به‌طور مؤثر، لازم بود مدل‌هایشان را با داده مصنوعی باکیفیتی که Physicl عرضه می‌کند آموزش دهند.

بااین‌حال، Physicl می‌خواهد چیزی فراتر از یک تأمین‌کننده داده باشد و خود را بستری برای تولید مستمر داده مصنوعی می‌داند. de Vigan گفت: «چیزی که ۱۰ سال پیش ساختیم، بی‌آنکه بدانیم، در اصل یک گردش‌کار عامل‌محور برای تبدیل اطلاعات نامنظم به مدل‌های سه‌بعدی با وفاداری بالا بود.» او تصور می‌کند مشتریانش تریلیون‌ها تصویر یا میلیون‌ها ساعت داده ثبت‌شده با LIDAR را وارد پلتفرمش کنند تا این داده‌ها به بازنمایی‌های سه‌بعدی باکیفیت تبدیل شوند؛ بازنمایی‌هایی که می‌توان از آن‌ها میلیاردها گونه مختلف برای آموزش مدل‌هایشان تولید کرد.

Niessner که استاد رباتیک در دانشگاه فنی مونیخ نیز هست، به TechCrunch گفت: «چالش واقعی این است که باید داده‌ها را دستی گزینش کنید و این چرخه بسیار طولانی است. چیزی که برای ما بسیار جذاب به نظر می‌رسد این است که می‌توان این کار را در لحظه انجام داد [...] شما Claude را اجرا می‌کنید و آن بررسی می‌کند: «اوه، برای آموزش به داده‌های بیشتری از این مورد نیاز دارم»، سپس با توجه به وضعیت آموزش، آن داده‌ها را خودکار تولید می‌کند. از نظر من این فوق‌العاده هیجان‌انگیز است و دقیقاً همین چیزی است که Physicl ارائه می‌دهد.»