شركة Physicl تجمع 10 ملايين دولار لمحاكاة واقعية تدرّب الروبوتات

فجوة المحاكاة والواقع

يشعر الباحثون الذين يطوّرون نماذج الذكاء الاصطناعي المادي، بهدف جعل الروبوتات أقدر على التعامل مع أشياء صغيرة ومتنوعة، بالإحباط من نتائج التدريب على الفيديو ومن كلفة جمع البيانات عبر التشغيل عن بُعد. وتُعد المحاكاة الرقمية حلًا واعدًا، لكن إبقاء هذه العوالم وفيّة لقوانين الفيزياء الحقيقية أمر صعب. ويعتقد دي فيغان أن خط المعالجة الذي بنته شركته السابقة، والذي يحوّل معلومات العالم الحقيقي غير المنظمة وغير المكتملة وغير المتجانسة إلى تمثيل فيزيائي عالي الدقة بهندسة ومواد وفيزياء صحيحة، يمكن أن يجعل نماذج الذكاء الاصطناعي المادي أكثر فاعلية.

تدخل Physicl مجالًا مزدحمًا من الشركات التي تقدّم البيانات والأدوات لمطوّري النماذج الأساسية ومشغّلي الروبوتات. ويقول دي فيغان: «المجال حديث جدًا وغامض أحيانًا». وتركّز الشركة على مرحلة ما بعد التدريب في الحالات الحدّية الصعبة. وتطلق منتجًا باسم Studio يضم 10 آلاف بيئة ثلاثية الأبعاد و100 ألف أصل تمثّل أشياء مختلفة، ويتيح إنشاء مشاهد لتوليد بيانات اصطناعية، مثل مساعدة روبوت يجد صعوبة في تمييز كوب على سطح مزدحم أو وهو في الظل.

أول عملاء الشركة

كانت شركة SpAItial، المطوّرة لنماذج العالم، من العملاء الأوائل، وأطلقت الأسبوع الماضي أحدث منتجاتها Echo-3. وتولّد أداتها محاكاة ثلاثية الأبعاد من صور ثنائية الأبعاد، ويقول مؤسسها ورئيسها التنفيذي ماتياس نيسنر إن ذلك تطلّب تدريبًا على بيانات اصطناعية عالية الدقة من النوع الذي تقدمه Physicl.

وتريد Physicl أن تكون أكثر من مزوّد بيانات، أي أداة لتوليد البيانات الاصطناعية بشكل مستمر. ويتصور دي فيغان عملاء يزوّدون المنصة بتريليونات الصور أو ملايين الساعات من تسجيلات الليدار لتحويلها إلى تمثيلات ثلاثية الأبعاد وتوليد مليارات الصيغ للتدريب. أما نيسنر، أستاذ الروبوتات في الجامعة التقنية في ميونيخ، فيرى أن انتقاء البيانات يدويًا يستغرق وقتًا طويلًا، وأن توليدها لحظيًا بحسب حالة التدريب أمر مثير جدًا.