Physicl привлек $10 млн на цифровые полигоны для роботов

Стартап Physicl поднял $10 млн посевных инвестиций под руководством Inovia Capital, чтобы решить одну из главных проблем робототехники — дорогую и медленную тренировку физического ИИ. Разработчики роботов получают инструмент, который превращает сырые данные в реалистичные симуляции, и это может заметно сократить путь от прототипа до серийного продукта.

В чём проблема и что предлагает стартап

Обучать роботов по видео часто неэффективно, сбор данных через удалённое управление обходится слишком дорого, а обычные цифровые среды страдают от нереалистичной физики. Physicl трансформирует исходные данные в точные симуляции с корректной геометрией и физическими свойствами. Флагманский продукт Studio включает 10 тыс. трёхмерных сред и 100 тыс. объектов — пользователи могут сами собирать сцены и генерировать синтетические данные, чтобы научить робота распознавать предметы в скоплении вещей или при плохом освещении.

Основатель и CEO Алекс де Виган ранее развивал nfinite, помогавший брендам создавать 3D-модели товаров для e-commerce. После распространения нейросетей команда адаптировала свой стек под создателей мировых моделей и операторов роботов. Среди первых клиентов — компания SpAltial, которая делает трёхмерные симуляции из плоских изображений: гендиректор партнёра Маттиас Нисснер сообщил, что синтетические данные Physicl заметно улучшили качество разработки продукта Echo-3. Подробности на сайте «Инк».

Что это значит для бизнеса

Для производителей роботов и интеграторов это шанс снизить зависимость от дорогих полевых испытаний и ускорить вывод устройств на рынок: синтетика позволяет отрабатывать сложные манипуляции до того, как железо попадёт в реальную среду. В перспективе платформа хочет стать постоянным провайдером данных — автоматически конвертировать миллионы часов записей с лидаров в 3D-представления, а нейросети сами будут запрашивать недостающие сцены в процессе обучения. Для рынка это сигнал: инфраструктура обучения физического ИИ становится отдельной нишей, куда приходят венчурные деньги.

Если симуляторы докажут точность, конкуренция сместится с «железа» на качество данных и скорость обучения — а это уже другой расклад для стартапов и корпоративных лабораторий.

Технологии обучения роботов и синтетические данные — направление, которое стоит держать в поле зрения: именно здесь формируется база для следующей волны автоматизации. Узнайте больше о том, как технологии меняют бизнес.

📌 Чтобы не пропустить новые публикации, подписывайтесь там, где вам удобнее: Дзен или MAX.

💛 Если статья оказалась полезной, поддержите автора донатом.

Материал подготовлен на основе информации из открытых источников. Все права на исходные материалы принадлежат их авторам. Если вы являетесь правообладателем и возражаете против использования, свяжитесь с нами по адресу info@11st.press.