Стартап в сфере моделирования стремится стать «курсором» для физического ИИ

Цель физического ИИ — дать инженерам возможность программировать физических агентов с той же легкостью, с которой они программируют их цифровых аналогов.

Мы еще не достигли этой цели. Робототехника по-прежнему ограничена острой нехваткой данных из физического мира. Для обучения своих машин компании вынуждены строить макеты складов для тестирования, а между тем сформировалась целая отрасль, занимающаяся мониторингом производственных линий и временных работников с целью сбора данных для обучения моделей глубокого обучения, необходимых для работы роботов.

Моделирование предлагает другой путь. Детальные виртуальные копии реальных сред могут предоставить масштабируемые данные и полигоны для тестирования, необходимые специалистам по робототехнике.

Antioch, стартап, разрабатывающий инструменты моделирования для разработчиков роботов, стремится преодолеть «разрыв между симуляцией и реальностью» в отрасли — проблему создания виртуальных сред, настолько реалистичных, что обученные в них роботы могут надежно работать в реальном мире.

«Как мы можем наилучшим образом минимизировать этот разрыв, сделав симуляцию неотличимой от реальности с точки зрения вашей автономной системы?» — сказал генеральный директор и соучредитель Antioch Гарри Меллсоп.

Для достижения этой цели компания объявила о раунде начального финансирования на сумму 8,5 млн долларов, оценив свою стоимость в 60 млн долларов. Раунд возглавили венчурные компании A* и Category Ventures при участии MaC Venture Capital, Abstract, Box Group и Icehouse Ventures.

Меллсоп основал эту нью-йоркскую компанию вместе с четырьмя соучредителями в мае прошлого года. Двое из них, Алекс Лангшур и Майкл Калви, ранее вместе с ним основали стартап Transpose, занимающийся вопросами безопасности и разведки, который позже был приобретен Chainalysis. Двое других соучредителей, Коллин Шлагер и Колтон Свингл, имеют опыт работы в Google DeepMind и Meta Reality Labs соответственно.

Спрос на передовые моделирование занимает центральное место в работе многих крупных компаний, занимающихся автономными технологиями. Например, в сфере автономного вождения Waymo использует модели мира от Google DeepMind для тестирования и оценки своих алгоритмов вождения. Теоретически такой подход может сократить объем сбора данных, необходимого для внедрения транспортных средств в новых регионах, что является значительной статьей затрат при масштабировании технологии.

Создание и использование этих моделей для тестирования роботов требует иного набора навыков, чем разработка беспилотного автомобиля. Antioch стремится создать платформу, которая решит эту проблему для новых компаний, не имеющих достаточного капитала для создания всего собственными силами. Эти небольшие игроки также не могут позволить себе строить физические испытательные полигоны или набирать миллионы миль с помощью автомобилей, оснащенных датчиками.

«Подавляющее большинство представителей отрасли вообще не использует симуляцию, и становится все более очевидным, что нам нужно ускорить прогресс», — заявил Меллсоп.

Руководство Antioch сравнивает свой продукт с Cursor, популярным инструментом для разработки программного обеспечения на базе искусственного интеллекта. Их платформа позволяет разработчикам роботов запускать несколько цифровых экземпляров своего оборудования, подключенных к симулированным датчикам, которые воспроизводят потоки данных из реального мира. Эти среды позволяют разработчикам тестировать крайние случаи, проводить обучение с подкреплением и генерировать новые обучающие данные.

Однако это зависит от того, насколько точно моделирование соответствует реальности. Основная задача — обеспечить соответствие виртуальной физики реальности, чтобы модели, управляющие реальными машинами, работали безупречно. Antioch опирается на модели от Nvidia, World Labs и других компаний, создавая специализированные библиотеки для удобства использования. Благодаря сотрудничеству с множеством клиентов компания получает широкий контекст для доработки своих симуляций, чего отдельная компания, занимающаяся физическим ИИ, не смогла бы достичь в одиночку.

«То, что мы видели в области разработки программного обеспечения и LLM, сейчас начинается в физическом ИИ», — сказала TechCrunch Чагла Каймаз, партнер в Category Ventures. «Мы уделяем большое внимание инструментам для разработчиков и любим эту вертикаль, но задачи здесь другие. В случае с программным обеспечением некачественные инструменты для кодирования создают риски, в основном ограниченные цифровой сферой. В физическом мире ставки гораздо выше».

В настоящее время Antioch уделяет основное внимание сенсорным и перцептивным системам, которые представляют собой важную потребность для автоматизированных транспортных средств, сельскохозяйственной и строительной техники, а также воздушных дронов. Более широкие стремления к созданию универсальных роботов, выполняющих человеческие задачи, остаются более отдаленной перспективой. Несмотря на ориентацию на стартапы, некоторые из первых клиентов Antioch — это крупные транснациональные компании, уже вложившие значительные средства в робототехнику.

Эдриан Макнейл обладает глубокой экспертизой в этой области. Будучи руководителем в стартапе Cruise, занимающемся разработкой беспилотных автомобилей, он построил инфраструктуру данных компании, прежде чем в 2021 году основал Foxglove, которая предоставляет аналогичные инструменты для обработки данных стартапам, занимающимся физическим ИИ. Макнейл также является бизнес-ангелом Antioch.

«Моделирование имеет решающее значение для разработки сценариев безопасности или выполнения задач, требующих высокой точности», — сказал он на конференции Ride.AI в Сан-Франциско. «Просто невозможно намотать достаточное количество километров в реальных условиях».

Макнейл надеется увидеть появление базовых инструментов для физического ИИ, аналогичных таким платформам, как GitHub, Stripe и Twilio, которые стали двигателями революции SaaS. «Нам нужно, чтобы гораздо больше инструментов из всего набора было доступно в готовом виде», — добавил он.

«Мы искренне верим, что в течение двух-трех лет любой, кто создает реальную автономную систему, будет делать это в основном с помощью программного обеспечения», — сказал Меллсоп. «Впервые автономные агенты могут взаимодействовать с физической системой и действительно замкнуть цикл обратной связи».

Эксперименты уже ведутся. Дэвид Мэйо, исследователь из Лаборатории компьютерных наук и искусственного интеллекта Массачусетского технологического института, использует платформу Antioch для оценки LLM. В одном из тестов модели ИИ проектируют роботов, которые затем оцениваются в симуляторе Antioch. Модели могут даже соревноваться в симулированных соревнованиях, например, сбрасывая соперничающего бота с платформы. Предоставление LLM реалистичной «песочницы» может создать новую парадигму для тестирования их возможностей.

Прежде чем появится мир инженеров по ИИ, предстоит проделать значительную работу, чтобы сократить разрыв между цифровыми моделями и реальностью. В случае успеха разработчики смогут создать мощный «маховик данных». Макнейл считает, что этот маховик является ключом к успеху таких лидеров, как Waymo, где инженеры все больше убеждаются, что каждая новая итерация модели будет превосходить предыдущую.

Для других компаний, стремящихся повторить этот успех, выбор будет заключаться в том, чтобы создать эти инструменты самостоятельно или приобрести их.