一家仿真初创公司致力于成为物理人工智能领域的先驱

物理人工智能的愿景是让工程师能够像编程数字代理一样轻松地编程物理代理。

我们尚未达到这一目标。机器人技术仍受限于物理世界数据的严重匮乏。为了训练机器，企业必须搭建模拟仓库进行测试，同时，一个专门的行业应运而生，负责监控生产线和零工，收集数据以训练用于机器人操作的深度学习模型。

仿真技术提供了一条新的出路。真实环境的精细虚拟复制品，能够为机器人专家提供所需的可扩展数据和测试平台。

Antioch是一家为机器人开发者开发仿真工具的初创公司，致力于弥合行业的“仿真与现实之间的鸿沟”——即创建如此逼真的虚拟环境，使在其中训练的机器人能够在物理世界中可靠地运行。

“如何才能最大限度地缩小这一差距，让自主系统从感知上无法分辨模拟与现实？”Antioch首席执行官兼联合创始人哈里·梅尔索普（Harry Mellsop）说道。

为推进这一目标，该公司宣布完成850万美元的种子轮融资，公司估值达6000万美元。本轮融资由风投机构A*和Category Ventures领投，MaC Venture Capital、Abstract、Box Group以及Icehouse Ventures跟投。

梅尔索普于去年5月与四位联合创始人共同创立了这家总部位于纽约的公司。其中两位联合创始人亚历克斯·兰格舒尔（Alex Langshur）和迈克尔·卡尔维（Michael Calvey）曾与他共同创立过安全与情报初创公司Transpose，该公司后来被Chainalysis收购。另外两位联合创始人科林·施拉格（Collin Schlager）和科尔顿·斯温格尔（Colton Swingle）分别拥有谷歌DeepMind和Meta Reality Labs的工作背景。

对先进模拟技术的需求是许多大型自动驾驶企业工作的核心。以自动驾驶为例，Waymo利用谷歌DeepMind的世界模型来测试和评估其驾驶算法。这种方法理论上可以减少在新区域部署车辆所需的庞大数据采集工作，而数据采集正是技术规模化过程中的重大成本。

构建和利用这些模型进行机器人测试所需的技能，与开发自动驾驶汽车有所不同。Antioch旨在打造一个平台，为那些缺乏资金自主开发全部系统的初创企业解决这一难题。这些小型企业也无力建造实体测试设施，或使用配备传感器的车辆进行数百万英里的路测。

“业内绝大多数企业根本不使用仿真技术，而我们需要加快进展这一点正变得越来越明显，”梅尔索普表示。

Antioch的高管将他们的产品比作Cursor——这款广受欢迎的AI驱动软件开发工具。他们的平台允许机器人制造商启动硬件的多重数字实例，并连接到模拟传感器以复现真实世界的数据流。这些环境使开发者能够测试边界情况、进行强化学习并生成新的训练数据。

然而，这一切都取决于模拟能否达到高保真度。核心挑战在于确保虚拟物理特性与现实相符，从而使控制实际机器的模型能够完美运行。Antioch基于Nvidia、World Labs等公司的模型，创建了易于使用的领域专用库。通过与多家客户合作，该公司获得了广泛的背景信息来优化其模拟，这是单一物理AI公司无法独立实现的。

“我们在软件工程和大型语言模型（LLMs）领域所见证的变革，如今正开始在物理人工智能领域上演，”Category Ventures 合伙人 Çağla Kaymaz 告诉 TechCrunch。“我们高度关注开发工具并热爱这一领域，但其中的挑战截然不同。在软件领域，劣质的编码工具带来的风险主要局限于数字领域。而在物理世界中，风险要高得多。”

Antioch当前主要专注于传感器和感知系统，这些是自动驾驶汽车、农业和建筑机械以及空中无人机的重要需求。而关于通用机器人复制人类任务的更宏大愿景，目前仍较为遥远。尽管Antioch的目标客户是初创企业，但其最早期的客户中不乏已在机器人领域投入巨资的大型跨国公司。

阿德里安·麦克尼尔（Adrian Macneil）在该领域拥有深厚的专业知识。作为自动驾驶初创公司Cruise的高管，他曾负责构建该公司的数据基础设施，随后于2021年创立了Foxglove，为物理人工智能初创企业提供类似的数据管道工具。麦克尼尔同时也是安提阿克的天使投资人。

“对于构建安全案例或处理高精度任务而言，仿真至关重要，”他在旧金山举行的Ride.AI大会上表示，“仅靠实际路试根本无法积累足够的里程。”

麦克尼尔希望看到物理人工智能领域出现基础工具，类似于曾推动SaaS革命的GitHub、Stripe和Twilio等平台。“我们需要整个工具链中更多组件能够开箱即用，”他补充道。

“我们坚信，在未来两到三年内，任何开发现实世界自主系统的人都将主要依靠软件来实现，”梅尔索普表示。“自主代理首次能够对物理系统进行迭代，并真正闭环反馈。”

相关实验已然展开。麻省理工学院计算机科学与人工智能实验室的研究员大卫·梅奥正利用Antioch的平台评估大型语言模型（LLMs）。在一项测试中，AI模型设计机器人，随后在Antioch的模拟器中对这些机器人进行评估。这些模型甚至可以在模拟竞赛中一较高下，例如将对手机器人推下平台。为大型语言模型提供一个逼真的沙盒环境，有望建立评估其能力的新范式。

在人工智能工程师的大时代到来之前，要弥合数字模型与现实世界的鸿沟，仍有大量工作待完成。若能成功，开发者将能构建一个强大的数据飞轮。麦克尼尔认为，这种飞轮正是Waymo等行业领军企业成功的关键——其工程师们越来越确信，每个新模型迭代都将超越前代。

对于其他希望复制这种成功的企业而言，面临的选择将是：自行开发这些工具，还是直接购买。