总部位于巴黎的创业公司 物理 已筹集1000万美元的种子资金, 开发技术, 帮助机器人和物理AI研究人员识别和解决AI模型的弱点.
这轮融资由美国风险投资伙伴参与的Inovia Capital领导,将支持 Physicl团队的扩大以及其合成数据生成平台的进一步发展.
该公司还推出了Studio,这是一种应用程序,允许研究人员创建定制的3D环境并生成针对AI模型扎的特定情况的培训数据.
解决边缘案例的问题
物理AI开发人员面临的挑战之一是准备模型在不可预测的现实环境中可靠运行.
虽然模型在受控演示中表现良好,但在遇到不寻常的照明条件,陌生物体或意想不到的物理安排时,它们可能会扎.
这些情况通常被称为边缘情况,通过传统的数据收集很难全面捕捉.
物理方法允许研究人员在模拟中复制有问题的场景,生成变异并使用结果数据来提高模型性能.
Physicl的创始人兼首席执行官Alex de Vigan说:"模型在边缘情况下失败.当研究人员发现这些弱点时,他们需要一种方法来生成专门解决这些弱点的数据,并测试模型是否会改善.我们构建了 Physicl,使这一过程变得简单且可重复.
创造有针对性的培训环境
提供访问1万个实况3D环境,超过10万个数字资产和数十亿个潜在场景变化.
研究人员可以选择环境或描述他们的模型遇到困难的情况,调整照明,相机角度和物体放置等变量.
该平台随后生成培训数据,旨在解决这些特定的弱点,允许开发人员测试后续模型版本是否更好.
据说它与包括Meta,World Labs,Epic Games和SPAItial在内的人工智能实验室合作.
在一个例子中,SPAItial开发出能够生成可探索的3D环境的世界模型,使用Physicl生成的数据来提高其模型重建真实房间的能力.
根据这些公司的说法,将额外的培训数据纳入,将模型的重建错误率降低了一半以上.
马蒂亚斯·尼斯纳 (Matthias Niessner) 是 SpAItial 的首席执行官,也是慕尼黑技术大学计算机科学教授,他说:"Physicl 让任何研究人员都可以访问他们想象的任何体育训练数据.这改变了小团队可以在 物理AI 中构建的东西,我们立即在我们的结果中看到了这一点.
物理学家表示,其技术旨在支持机器人系统和世界模型的开发,
该公司计划利用新投资扩大其平台,使开发人员更容易获得有针对性的物理AI培训数据.