Startup de simulação pretende se tornar referência em IA física

A visão da IA física é permitir que os engenheiros programem agentes físicos com a mesma facilidade com que programam seus equivalentes digitais.

Ainda não chegamos a esse ponto. A robótica continua limitada por uma grave falta de dados do mundo físico. Para treinar suas máquinas, as empresas precisam construir armazéns simulados para testes, enquanto surgiu toda uma indústria dedicada a monitorar linhas de produção e trabalhadores temporários, coletando dados para treinar modelos de aprendizado profundo para operações robóticas.

A simulação oferece outro caminho. Réplicas virtuais detalhadas de ambientes do mundo real poderiam fornecer os dados escaláveis e os campos de teste de que os roboticistas precisam.

A Antioch, uma startup que desenvolve ferramentas de simulação para desenvolvedores de robôs, tem como objetivo preencher a “lacuna entre a simulação e a realidade” do setor — o desafio de criar ambientes virtuais tão realistas que os robôs treinados neles possam operar de forma confiável no mundo físico.

“Como podemos minimizar melhor essa lacuna, fazendo com que a simulação pareça indistinguível da realidade da perspectiva do seu sistema autônomo?”, disse o CEO e cofundador da Antioch, Harry Mellsop.

Para avançar nessa meta, a empresa anunciou uma rodada de financiamento inicial de US$ 8,5 milhões, avaliando-a em US$ 60 milhões. A rodada foi liderada pelas empresas de capital de risco A* e Category Ventures, com a participação da MaC Venture Capital, Abstract, Box Group e Icehouse Ventures.

Mellsop fundou a empresa sediada em Nova York com quatro cofundadores em maio do ano passado. Dois deles, Alex Langshur e Michael Calvey, já haviam cofundado com ele a startup de segurança e inteligência Transpose, que mais tarde foi adquirida pela Chainalysis. Os outros dois fundadores, Collin Schlager e Colton Swingle, têm experiência na Google DeepMind e na Meta Reality Labs, respectivamente.

A demanda por simulação avançada é fundamental para o trabalho de muitas grandes empresas de autonomia. Na direção autônoma, por exemplo, a Waymo utiliza os modelos de mundo do Google DeepMind para testar e avaliar seus algoritmos de direção. Essa abordagem poderia, teoricamente, reduzir a extensa coleta de dados necessária para implantar veículos em novas áreas, um custo significativo na expansão da tecnologia.

Construir e utilizar esses modelos para testes com robôs requer um conjunto de habilidades diferente do necessário para desenvolver um carro autônomo. A Antioch tem como objetivo criar uma plataforma que resolva esse problema para empresas mais novas que não dispõem de capital para construir tudo internamente. Esses participantes menores também não têm recursos para construir instalações físicas de testes ou registrar milhões de quilômetros com veículos equipados com sensores.

“A grande maioria do setor não usa simulação de forma alguma, e está ficando cada vez mais claro que precisamos acelerar o progresso”, afirmou Mellsop.

Os executivos da Antioch comparam seu produto ao Cursor, a popular ferramenta de desenvolvimento de software baseada em IA. Sua plataforma permite que os fabricantes de robôs lancem múltiplas instâncias digitais de seu hardware, conectadas a sensores simulados que replicam fluxos de dados do mundo real. Esses ambientes permitem que os desenvolvedores testem casos extremos, realizem aprendizado por reforço e gerem novos dados de treinamento.

Isso depende, no entanto, de a simulação atingir alta fidelidade. O principal desafio é garantir que a física virtual corresponda à realidade, para que os modelos que controlam máquinas reais funcionem perfeitamente. A Antioch se baseia em modelos da Nvidia, World Labs e outros, criando bibliotecas específicas para cada domínio para facilitar o uso. Ao colaborar com vários clientes, a empresa obtém uma amplitude de contexto para refinar suas simulações que uma única empresa de IA física não conseguiria alcançar sozinha.

“O que vimos com engenharia de software e LLMs agora está começando na IA física”, disse Çağla Kaymaz, sócia da Category Ventures, ao TechCrunch. “Nós nos concentramos fortemente em ferramentas de desenvolvimento e adoramos esse segmento, mas os desafios são diferentes. Com software, ferramentas de codificação abaixo do padrão representam riscos amplamente confinados ao domínio digital. No mundo físico, os riscos são muito maiores.”

O foco atual da Antioch está principalmente em sistemas de sensores e percepção, que representam uma grande necessidade para veículos automatizados, máquinas agrícolas e de construção e drones aéreos. A aspiração mais ampla de robôs de uso geral que reproduzam tarefas humanas permanece mais distante. Embora tenha como alvo startups, alguns dos primeiros clientes da Antioch são grandes multinacionais com investimentos substanciais já existentes em robótica.

Adrian Macneil tem profunda experiência nessa área. Como executivo da startup de veículos autônomos Cruise, ele construiu a infraestrutura de dados da empresa antes de fundar a Foxglove em 2021, que fornece ferramentas semelhantes de pipeline de dados para startups de IA física. Macneil também é um investidor-anjo da Antioch.

“A simulação é crucial para a elaboração de casos de segurança ou para lidar com tarefas de alta precisão”, disse ele na conferência Ride.AI em São Francisco. “Simplesmente não é viável rodar quilômetros suficientes no mundo real.”

Macneil espera ver o surgimento de ferramentas fundamentais para a IA física, semelhantes a plataformas como GitHub, Stripe e Twilio, que impulsionaram a revolução do SaaS. “Precisamos que muito mais da cadeia de ferramentas completa esteja disponível pronta para uso”, acrescentou.

“Acreditamos sinceramente que, dentro de dois a três anos, qualquer pessoa que esteja construindo um sistema autônomo no mundo real o fará principalmente em software”, disse Mellsop. “Pela primeira vez, agentes autônomos podem iterar em um sistema físico e realmente fechar o ciclo de feedback.”

Experimentos já estão em andamento. David Mayo, pesquisador do Laboratório de Ciência da Computação e Inteligência Artificial do MIT, está usando a plataforma da Antioch para avaliar LLMs. Em um teste, modelos de IA projetam robôs, que são então avaliados no simulador da Antioch. Os modelos podem até competir em competições simuladas, como empurrar um robô rival para fora de uma plataforma. Fornecer aos LLMs uma área de testes realista poderia estabelecer um novo paradigma para avaliar suas capacidades.

Antes que surja um mundo de engenheiros de IA, ainda há muito trabalho a ser feito para preencher a lacuna entre os modelos digitais e a realidade. Se forem bem-sucedidos, os desenvolvedores poderiam criar um poderoso flywheel de dados. Macneil acredita que esse flywheel é fundamental para o sucesso de líderes como a Waymo, onde os engenheiros estão cada vez mais confiantes de que cada nova iteração do modelo superará a anterior.

Para outras empresas que buscam replicar esse sucesso, a escolha será construir essas ferramentas por conta própria — ou comprá-las.