Công việc kinh doanh gần đây nhất của Alex de Vigan bị ảnh hưởng bởi sự trỗi dậy của AI tổng hợp, nhưng giờ đây anh ấy đang đặt cược vào công nghệ mà nhóm đã xây dựng, một nền tảng để tạo ra các kết xuất sản phẩm hấp dẫn cho thương mại điện tử, có thể được tái sử dụng để làm cho robot trở nên hữu ích hơn.

Công ty liên doanh mới của anh, Physicl, đã huy động được 10 triệu USD tài trợ ban đầu từ Inovia Capital để giúp các nhà thiết kế mô hình và chế tạo robot trên thế giới giải quyết các vấn đề huấn luyện hóc búa bằng những mô phỏng thực tế hơn.

Người sáng lập và Giám đốc điều hành de Vigan đã dành cả thập kỷ qua để xây dựng nfinite, giúp các thương hiệu và nhà bán lẻ dễ dàng tạo mô hình 3D cho hàng hóa của họ và hiển thị chúng trực tuyến. Sự xuất hiện của các mô hình AI dựa trên máy biến áp đã khiến công ty tập trung nhiều hơn vào hình ảnh tổng quát, nhưng de Vigan đã nhìn thấy mục đích mới cho nhóm của mình và nhóm công nghệ mà họ đã xây dựng để hiển thị môi trường 3D một cách trung thực.

de Cigan nói: “Điều mà chúng tôi cực kỳ độc đáo khi thực hiện trong 3D, AI sẽ thay thế, nhưng một thứ còn thiếu ở AI: khả năng hiểu, tương tác và điều khiển không gian và vật thể”.

Các nhà nghiên cứu đang phát triển các mô hình AI vật lý để làm cho robot có khả năng thực hiện các nhiệm vụ tốt hơn như xử lý các vật thể nhỏ, đa dạng đã thất vọng trước lợi ích của việc đào tạo chúng trên video và chi phí thu thập dữ liệu thông qua các hoạt động từ xa.

Mô phỏng trong thế giới kỹ thuật số được coi là một giải pháp đầy hứa hẹn, nhưng việc đảm bảo rằng những thế giới mô phỏng này trung thành với vật lý trong thế giới thực là điều khó khăn. de Vigan tin rằng hệ thống mà công ty trước đây của ông đã xây dựng để “chuyển đổi thông tin trong thế giới thực không có cấu trúc, không đầy đủ, không đồng nhất thành một biểu diễn vật lý có độ chính xác cao… với hình học, vật liệu và vật lý chính xác” giờ đây có thể được sử dụng để tạo ra các mô hình AI vật lý hiệu quả hơn.

Physcl đang tham gia vào một nhóm đông đảo các công ty khởi nghiệp đang cạnh tranh để cung cấp dữ liệu và công cụ cho những người xây dựng mô hình nền tảng và người vận hành robot. De Vigan thừa nhận: “Không gian rất trẻ và đôi khi rất mờ ảo. Có nhiều công ty thu thập, dán nhãn hoặc tạo dữ liệu theo các phương thức khác nhau khi khách hàng của họ cố gắng tìm ra loại nước sốt bí mật có thể khiến robot thực hiện đúng lời hứa của họ.

Đặc biệt, Phyiscl muốn tập trung vào các mô hình sau đào tạo về các trường hợp khó. Công ty khởi nghiệp này đang phát hành một sản phẩm có tên Studio với 10.000 môi trường 3D và 100.000 nội dung đại diện cho nhiều đối tượng khác nhau. Nó cho phép người dùng tạo cảnh để tạo dữ liệu tổng hợp để huấn luyện robot về các vấn đề cụ thể. Ví dụ: Studio có thể được sử dụng để tạo dữ liệu đào tạo nhằm giúp rô-bốt gặp khó khăn trong việc nhận biết chiếc cốc trên mặt bàn bừa bộn hoặc khi chiếc cốc ở trong bóng tối.

SpAItial, một nhà xây dựng mô hình thế giới, đã hợp tác với Physicl với tư cách là khách hàng đầu tiên để cải thiện độ trung thực của các sản phẩm của mình, trong đó sản phẩm mới nhất, Echo-3, đã được phát hành vào tuần trước. Công cụ của SpAItial tạo mô phỏng 3D từ hình ảnh 2D và để thực hiện điều đó một cách hiệu quả, Giám đốc điều hành và người sáng lập Matthias Niessner cho biết họ cần đào tạo về loại dữ liệu tổng hợp có độ chính xác cao mà Physicl cung cấp.

Tuy nhiên, Physicl không chỉ muốn trở thành nhà cung cấp dữ liệu; nó tự coi mình là công cụ để tạo dữ liệu tổng hợp liên tục. de Vigan cho biết: “Những gì chúng tôi đã tạo ra cách đây 10 năm mà không hề hay biết, về cơ bản là một quy trình làm việc tác nhân để chuyển đổi thông tin phi cấu trúc thành 3D có độ trung thực cao”. Anh ấy tưởng tượng khách hàng sẽ mang hàng nghìn tỷ hình ảnh hoặc hàng triệu giờ dữ liệu thu thập LIDAR để đưa vào nền tảng của mình và biến chúng thành các bản trình bày 3D chất lượng cao có thể được sử dụng để tạo ra hàng tỷ hoán vị nhằm huấn luyện mô hình của họ.

Niessner, cũng là giáo sư về robot tại Đại học Kỹ thuật Munich, nói với TechCrunch: “Thách thức thực sự là bạn phải quản lý dữ liệu bằng tay và đây là một chu kỳ rất dài”. "Đối với chúng tôi, điều có vẻ rất hấp dẫn là bạn có thể thực hiện việc này một cách nhanh chóng […] Bạn đang chạy Claude và nó sẽ kiểm tra, 'Ồ, tôi cần thêm dữ liệu về điều này trong quá trình đào tạo của mình', sau đó nó tự động tạo ra dữ liệu đó, tùy thuộc vào trạng thái đào tạo. Đối với tôi, điều đó cực kỳ thú vị và đây chính xác là những gì Physicl đang cung cấp."