Simulations-Startup will zum Wegbereiter für physikalische KI werden

Die Vision der physischen KI besteht darin, Ingenieuren zu ermöglichen, physische Agenten ebenso einfach zu programmieren wie ihre digitalen Pendants.

Diesen Punkt haben wir noch nicht erreicht. Die Robotik ist nach wie vor durch einen gravierenden Mangel an Daten aus der physischen Welt eingeschränkt. Um ihre Maschinen zu trainieren, müssen Unternehmen Testlager nachbauen, während sich eine ganze Branche entwickelt hat, die Fertigungslinien und Gig-Worker überwacht und Daten sammelt, um Deep-Learning-Modelle für den Roboterbetrieb zu trainieren.

Simulationen bieten einen anderen Weg. Detaillierte virtuelle Nachbildungen realer Umgebungen könnten die skalierbaren Daten und Testumgebungen liefern, die Robotiker benötigen.

Antioch, ein Start-up, das Simulationswerkzeuge für Roboterentwickler entwickelt, hat sich zum Ziel gesetzt, die „Sim-to-Real-Lücke“ der Branche zu schließen – die Herausforderung, virtuelle Umgebungen so realistisch zu gestalten, dass darin trainierte Roboter in der physischen Welt zuverlässig arbeiten können.

„Wie können wir diese Lücke am besten minimieren, sodass sich die Simulation aus der Perspektive Ihres autonomen Systems nicht von der Realität unterscheiden lässt?“, sagte Harry Mellsop, CEO und Mitbegründer von Antioch.

Um dieses Ziel voranzutreiben, gab das Unternehmen eine Startkapitalrunde in Höhe von 8,5 Millionen US-Dollar bekannt, die das Unternehmen mit 60 Millionen US-Dollar bewertet. Die Runde wurde von den Risikokapitalfirmen A* und Category Ventures angeführt, unter Beteiligung von MaC Venture Capital, Abstract, Box Group und Icehouse Ventures.

Mellsop gründete das in New York ansässige Unternehmen im Mai letzten Jahres gemeinsam mit vier Mitbegründern. Zwei von ihnen, Alex Langshur und Michael Calvey, hatten zuvor gemeinsam mit ihm das Sicherheits- und Intelligence-Startup Transpose gegründet, das später von Chainalysis übernommen wurde. Die beiden anderen Gründer, Collin Schlager und Colton Swingle, kommen jeweils von Google DeepMind und Meta Reality Labs.

Die Nachfrage nach fortschrittlicher Simulation ist für die Arbeit vieler großer Unternehmen im Bereich der Autonomie von zentraler Bedeutung. Im Bereich des autonomen Fahrens nutzt beispielsweise Waymo die Weltmodelle von Google DeepMind, um seine Fahralgorithmen zu testen und zu bewerten. Dieser Ansatz könnte theoretisch den umfangreichen Datenerfassungsaufwand reduzieren, der für den Einsatz von Fahrzeugen in neuen Gebieten erforderlich ist – ein erheblicher Kostenfaktor bei der Skalierung der Technologie.

Der Aufbau und die Nutzung dieser Modelle für Robotertests erfordern andere Fähigkeiten als die Entwicklung eines selbstfahrenden Autos. Antioch hat sich zum Ziel gesetzt, eine Plattform zu schaffen, die dieses Problem für neuere Unternehmen löst, denen das Kapital fehlt, um alles intern aufzubauen. Diese kleineren Akteure können es sich auch nicht leisten, physische Testanlagen zu errichten oder Millionen von Kilometern mit sensorausgestatteten Fahrzeugen zurückzulegen.

„Der Großteil der Branche nutzt überhaupt keine Simulation, und es wird immer deutlicher, dass wir den Fortschritt beschleunigen müssen“, erklärte Mellsop.

Die Führungskräfte von Antioch vergleichen ihr Produkt mit Cursor, dem beliebten KI-gestützten Software-Entwicklungstool. Ihre Plattform ermöglicht es Roboterherstellern, mehrere digitale Instanzen ihrer Hardware zu starten, die mit simulierten Sensoren verbunden sind, welche reale Datenströme nachbilden. Diese Umgebungen ermöglichen es Entwicklern, Randfälle zu testen, verstärktes Lernen durchzuführen und neue Trainingsdaten zu generieren.

Dies hängt jedoch davon ab, dass die Simulation eine hohe Genauigkeit erreicht. Die zentrale Herausforderung besteht darin, sicherzustellen, dass die virtuelle Physik der Realität entspricht, damit Modelle, die tatsächliche Maschinen steuern, fehlerfrei funktionieren. Antioch baut auf Modellen von Nvidia, World Labs und anderen auf und erstellt domänenspezifische Bibliotheken für eine einfache Nutzung. Durch die Zusammenarbeit mit zahlreichen Kunden gewinnt das Unternehmen eine Breite an Kontext für die Verfeinerung seiner Simulationen, die ein einzelnes Unternehmen für physische KI allein nicht erreichen könnte.

„Was wir bei der Softwareentwicklung und bei LLMs gesehen haben, beginnt nun auch in der physikalischen KI“, erklärte Çağla Kaymaz, Partnerin bei Category Ventures, gegenüber TechCrunch. „Wir konzentrieren uns stark auf Entwicklertools und lieben diesen Bereich, aber die Herausforderungen sind andere. Bei Software bergen minderwertige Programmiertools Risiken, die weitgehend auf den digitalen Bereich beschränkt sind. In der physischen Welt steht weitaus mehr auf dem Spiel.“

Der aktuelle Fokus von Antioch liegt in erster Linie auf Sensor- und Wahrnehmungssystemen, die einen großen Bedarf für automatisierte Fahrzeuge, Land- und Baumaschinen sowie Drohnen darstellen. Das weiter gefasste Ziel von Allzweckrobotern, die menschliche Aufgaben nachahmen, ist noch in weiter Ferne. Obwohl Antioch auf Start-ups abzielt, gehören zu seinen frühesten Kunden große multinationale Konzerne, die bereits erhebliche Investitionen in die Robotik getätigt haben.

Adrian Macneil verfügt über fundierte Fachkenntnisse auf diesem Gebiet. Als Führungskraft beim Start-up für autonomes Fahren Cruise baute er die Dateninfrastruktur des Unternehmens auf, bevor er 2021 Foxglove gründete, das ähnliche Datenpipeline-Tools für Start-ups im Bereich physischer KI anbietet. Macneil ist zudem Angel-Investor bei Antioch.

„Simulation ist entscheidend für die Erstellung von Sicherheitsnachweisen oder die Bewältigung hochpräziser Aufgaben“, sagte er auf der Ride.AI-Konferenz in San Francisco. „Es ist einfach nicht machbar, genügend Kilometer in der realen Welt zu fahren.“

Macneil hofft auf die Entstehung grundlegender Tools für physische KI, ähnlich wie Plattformen wie GitHub, Stripe und Twilio, die die SaaS-Revolution vorangetrieben haben. „Wir brauchen viel mehr von der gesamten Toolchain, die sofort einsatzbereit ist“, fügte er hinzu.

„Wir sind fest davon überzeugt, dass innerhalb von zwei bis drei Jahren jeder, der ein autonomes System für die reale Welt entwickelt, dies in erster Linie mit Software tun wird“, sagte Mellsop. „Zum ersten Mal können autonome Agenten auf einem physischen System iterieren und den Regelkreis wirklich schließen.“

Es laufen bereits Experimente. David Mayo, ein Forscher am Labor für Informatik und Künstliche Intelligenz des MIT, nutzt die Plattform von Antioch, um LLMs zu evaluieren. In einem Test entwerfen KI-Modelle Roboter, die anschließend im Simulator von Antioch bewertet werden. Die Modelle können sogar in simulierten Wettbewerben gegeneinander antreten, beispielsweise indem sie einen rivalisierenden Bot von einer Plattform stoßen. Die Bereitstellung einer realistischen Sandbox für LLMs könnte ein neues Paradigma für die Bewertung ihrer Fähigkeiten etablieren.

Bevor eine Welt der KI-Ingenieure entsteht, bleibt noch viel Arbeit zu leisten, um die Lücke zwischen digitalen Modellen und der Realität zu schließen. Wenn dies gelingt, könnten Entwickler ein leistungsstarkes Daten-Flywheel schaffen. Macneil glaubt, dass dieses Flywheel der Schlüssel zum Erfolg von Marktführern wie Waymo ist, wo Ingenieure zunehmend zuversichtlich sind, dass jede neue Modelliteration die vorherige übertreffen wird.

Für andere Unternehmen, die diesen Erfolg nachahmen wollen, wird die Entscheidung lauten: diese Tools selbst entwickeln – oder sie kaufen.