La société Physicl, une startup spécialisée dans les technologies d'intelligence artificielle physique, a annoncé avoir réussi à lever 10 millions de dollars lors d'un tour de table initial mené par la société Inovia Capital. L'entreprise vise à utiliser son expérience préalable dans la construction de modèles tridimensionnels pour le commerce électronique afin de développer des environnements de simulation ultra-réalistes pour l'entraînement des robots.
Combler le fossé entre la simulation et la réalité
Les développeurs de robots sont confrontés à des défis majeurs lors de l'entraînement de modèles sur des tâches complexes, telles que la manipulation d'objets petits et variés, les méthodes traditionnelles reposant sur des données vidéo ou des opérations à distance, qui sont des méthodes coûteuses et inefficaces. Physicl cherche à résoudre ce problème via sa plateforme qui transforme des informations réelles non structurées en représentations physiques de haute précision, permettant aux robots d'apprendre dans des environnements numériques qui simulent les lois de la physique, de la lumière et des matériaux avec une extrême précision.
Que propose la plateforme Studio ?
L'entreprise a lancé son nouveau produit Studio, qui comprend 10 000 environnements tridimensionnels et 100 000 actifs (assets) divers. Ce produit permet aux utilisateurs de créer des scènes synthétiques personnalisées pour entraîner les robots à faire face à des situations difficiles, telles que la reconnaissance d'objets dans des conditions d'éclairage complexes ou des espaces encombrés. La société SpAItial, spécialisée dans la construction de modèles du monde, a commencé à utiliser ces données pour améliorer la précision de ses simulations.
Pourquoi cette nouvelle est-elle importante ?
L'importance de Physicl réside dans sa vision visant à transformer le processus de génération de données d'un processus manuel et lent en un flux de travail automatisé (workflow agentic). Le fondateur et PDG Alex de Vigan estime que l'avenir réside dans la capacité des modèles d'intelligence artificielle à demander les données dont ils ont besoin pendant l'entraînement, la plateforme générant instantanément des milliards de possibilités et de données synthétiques en fonction de l'état actuel de l'entraînement, ce qui accélère considérablement la capacité des robots à comprendre et à interagir avec le monde physique.