Physicl huy động 10 triệu USD để hiện thực hóa thế giới số cho robot
Startup Physicl vừa gọi vốn thành công 10 triệu USD nhằm xây dựng các môi trường mô phỏng độ trung thực cao, giúp huấn luyện AI cho robot xử lý các tình huống thực tế phức...
- Giọng nữ Bắc
Alex de Vigan, người sáng lập Physicl, đang đặt cược vào công nghệ mà đội ngũ của ông từng phát triển cho thương mại điện tử để giải quyết một bài toán khó hơn: huấn luyện robot. Startup này vừa huy động thành công 10 triệu USD trong vòng gọi vốn hạt giống do Inovia Capital dẫn dắt.
Trước đây, de Vigan đã dành một thập kỷ điều hành nfinite, một nền tảng chuyên tạo mô hình 3D cho các nhãn hàng. Dù AI tạo sinh đã thay đổi cục diện thị trường hình ảnh, de Vigan nhận thấy công nghệ cốt lõi của họ – khả năng tái tạo môi trường 3D chân thực – lại là mảnh ghép còn thiếu để giúp AI hiểu và tương tác với không gian vật lý.
Giải quyết bài toán huấn luyện robot
Các nhà nghiên cứu hiện đang gặp khó khăn khi huấn luyện robot thông qua video hoặc vận hành từ xa vì chi phí cao và dữ liệu không đồng nhất. Physicl hướng tới việc cung cấp các môi trường mô phỏng có độ chính xác cao về vật lý, hình học và vật liệu, giúp AI học cách xử lý các vật thể nhỏ hoặc các tình huống khó (edge cases) như nhận diện đồ vật trong điều kiện ánh sáng yếu hoặc môi trường lộn xộn.
Sản phẩm chủ lực của công ty là Studio, cung cấp 10.000 môi trường 3D và 100.000 tài sản kỹ thuật số. Công cụ này cho phép người dùng tạo ra dữ liệu tổng hợp (synthetic data) để huấn luyện robot giải quyết các vấn đề cụ thể mà không cần thu thập dữ liệu thủ công tốn kém.
Tầm nhìn về quy trình tự động
Matthias Niessner, CEO của SpAItial – một khách hàng sớm của Physicl – cho biết điểm hấp dẫn nhất của nền tảng này là khả năng tạo dữ liệu linh hoạt. Thay vì phải quản lý dữ liệu thủ công, hệ thống có thể tự động tạo ra các biến thể dữ liệu cần thiết dựa trên trạng thái huấn luyện của mô hình.
De Vigan kỳ vọng Physicl sẽ trở thành công cụ đắc lực cho các nhà phát triển foundation model, cho phép họ chuyển đổi hàng nghìn tỷ hình ảnh hoặc dữ liệu lidar thành các mô hình 3D chất lượng cao. Điều này mở ra khả năng tạo ra hàng tỷ kịch bản khác nhau để tối ưu hóa khả năng của robot trong thế giới thực.
Nguồn tham khảo: TechCrunch


No Comment! Be the first one.