Alex de Vigan的上一家公司因生成式AI的兴起而受到冲击,但他现在押注于团队开发的平台——一个为电商打造诱人产品渲染的工具,可以重新定位为提升机器人实用性的技术。

他的新创公司Physicl获得了由Inovia Capital领投的1000万美元种子轮融资,旨在帮助世界模型设计师和机器人制造者通过更逼真的模拟解决复杂的训练难题。

创始人兼CEO de Vigan过去十年一直在打造nfinite,这个平台让品牌和零售商轻松创建商品的3D模型并在线展示。随着基于Transformer的AI模型的出现,公司逐渐转向生成式图像,但de Vigan看到了团队和技术栈在真实还原3D环境方面的新用途。

“我们在3D领域的独特之处,AI虽然会取代,但AI缺少的是理解、交互和操控空间与物体的能力,”de Vigan说道。

研究人员在开发物理AI模型以提升机器人处理多样化小物体的能力时,发现仅靠视频训练效果有限,且远程采集数据成本高昂。

数字世界中的模拟被视为解决方案,但确保这些模拟世界符合真实物理规律一直很难。de Vigan认为,他之前公司构建的流程能够“将非结构化、不完整、多样化的现实世界信息转化为高保真物理表现,具备正确的几何形状、材质和物理特性”,这正是提升物理AI模型效果的关键。

Physicl进入了一个竞争激烈的领域,众多初创公司都在为基础模型开发者和机器人操作者提供数据和工具。de Vigan坦言:“这个领域还很年轻,有时也很模糊。”各家公司通过收集、标注或生成不同类型的数据,试图找到让机器人真正发挥潜力的秘诀。

Physicl特别关注训练后模型在复杂边缘案例上的表现。公司推出了名为Studio的产品,内含1万个3D环境和10万个代表各种物体的资产,用户可以创建场景,生成用于训练机器人的合成数据。例如,Studio可以生成训练数据,帮助机器人识别杂乱台面上或阴影中的杯子。

世界模型构建商SpAItial作为Physicl的早期客户,合作提升了其产品的逼真度。其最新产品Echo-3上周发布。SpAItial的工具能从2D图像生成3D模拟,其CEO兼创始人Matthias Niessner表示,他们需要用Physicl提供的高保真合成数据进行训练。

然而,Physicl不仅仅是数据提供者,更致力于成为持续合成数据生成的工具平台。de Vigan说:“十年前我们无意中创造的,基本上是一个将非结构化信息转化为高保真3D的智能工作流程。”他设想客户将数万亿张图片或数百万小时的激光雷达数据输入平台,转化为高质量3D表现,进而生成数十亿种组合用于模型训练。

“真正的挑战是数据需要人工筛选,这个过程非常漫长,”慕尼黑工业大学机器人学教授Niessner告诉TechCrunch。“对我们来说,最吸引人的是可以即时完成这件事……你运行Claude模型,它会检查‘我训练中需要更多这类数据’,然后自动生成数据,基于训练状态调整。这非常令人兴奋,这正是Physicl所提供的。”