$10 млн на тренажёр для роботов с ИИ: Physicl собрал 10 000 виртуальных 3D-сред

Основатель и гендиректор Physicl Алекс де Виган десять лет строил компанию nfinite. Она помогала брендам и ритейлерам делать 3D-модели товаров и показывать их в интернет-магазинах. Как пишет TechCrunch, с приходом генеративного ИИ этот бизнес оттеснили картинки, созданные нейросетями, и де Виган нашёл прежней команде и её технологиям новое применение.

Что произошло?

Physicl готовит для роботов то же, что тренажёр для пилота: виртуальные сцены, где сложную ситуацию отрабатывают до встречи с реальностью. Сама компания не собирает ни робота с ИИ, ни робота-собаку с ИИ. Она продаёт данные и инструменты тем, кто роботов строит и обучает.

Клиентов у неё два типа: создатели моделей мира (ИИ, который воссоздаёт пространство и его физику) и производители роботов. Обе группы упираются в одну проблему. Виртуальный мир должен подчиняться той же физике, что и настоящий, а добиться этого, по оценке TechCrunch, оказалось трудно.

Ставку де Виган делает на конвейер обработки, который nfinite построила для товаров. По его словам, конвейер превращает разрозненную, неполную и разнородную информацию из реального мира в точную физическую копию с правильной геометрией, материалами и физикой.

То, в чём мы были уникальны в 3D, ИИ собирался заменить. Но ИИ кое-чего не хватало: умения понимать пространство и предметы, взаимодействовать с ними и управлять ими. : Алекс де Виган, основатель и гендиректор Physicl

Первый продукт компании называется Studio. В нём есть:

• 10 000 готовых 3D-сред;
• 100 000 моделей предметов;
• конструктор сцен, где из этих заготовок получают синтетические данные (искусственно созданные примеры для обучения вместо снятых в реальности).

Studio нацелен на дообучение моделей на пограничных случаях, то есть редких ситуациях, где робот ошибается. Пример из источника: робот плохо различает чашку на заставленной столешнице или чашку в тени. Studio генерирует под такую проблему отдельные обучающие примеры.

Одним из первых клиентов стала компания SpAItial, которая делает модели мира. Её инструмент строит 3D-симуляции по обычным 2D-снимкам, а свежая версия Echo-3 вышла за неделю до публикации TechCrunch. По словам основателя SpAItial Маттиаса Ниснера, для такой работы им нужны были именно точные синтетические данные.

Почему это важно для рынка?

Physicl заходит в тесную нишу: стартапы собирают, размечают и генерируют данные в разных форматах, а их клиенты ищут рецепт, который заставит роботов работать так, как обещали. Де Виган сам признаёт, что эта ниша «очень молодая и порой очень размытая».

Отличаться компания хочет масштабом. Де Виган называет то, что nfinite создала десять лет назад, агентным процессом (цепочкой, где ИИ сам выполняет шаги без ручного контроля). Он представляет, как клиенты загружают триллионы изображений или миллионы часов записей с лидаров (датчиков, которые сканируют пространство лазером) и получают миллиарды вариантов сцен для обучения.

Обратите внимание на сюжет: технологию, которую потеснил генеративный ИИ, переупаковали под задачу, где генеративный ИИ пока буксует. Главный довод в её пользу звучит не от самой Physicl, а от клиента.

Настоящая трудность в том, что данные приходится отбирать вручную, и это очень долгий цикл. Нам кажется привлекательным делать это на лету. Вы запускаете Claude, он проверяет: «Мне в обучении нужно больше данных вот такого типа», и затем сам генерирует эти данные в зависимости от этапа обучения. Именно это предлагает Physicl. : Маттиас Ниснер, основатель и гендиректор SpAItial, профессор робототехники Технического университета Мюнхена

Что это значит для вас, по ролям?

Автору Дзена. Пишете про роботов, отделяйте робота от данных, на которых его учили. Пример с чашкой в тени понятен любому читателю и объясняет, почему робот, ловко танцующий в рекламе, пасует на обычной кухне.

Маркетологу. История nfinite касается e-commerce напрямую: 3D-рендеры товаров для интернет-магазинов потеснила генерация изображений нейросетями. Если вы до сих пор заказываете фотосъёмку каждой позиции, проверьте, какую часть карточек можно собрать генерацией. Из доступных в РФ инструментов для картинок есть Шедеврум и Kandinsky.

Предпринимателю из РФ и СНГ. Studio рассчитан на разработчиков роботов, а не на малый бизнес. О ценах и доступности в России компания не сообщила. Полезный вывод здесь другой: команда с узкой экспертизой, которую обошли нейросети, может продать ту же экспертизу на соседнем рынке.

Практический шаг на эту неделю: выпишите три навыка, которые нейросеть у вас уже забрала, и для каждого ответьте, где именно этот навык нужен ИИ. Там, скорее всего, и лежит ваш следующий продукт.