Physicl lève 10 M$ pour des simulations plus réalistes pour robots

Réduire l'écart entre simulation et réalité

Les chercheurs qui développent des modèles d'IA physique, par exemple pour manipuler des objets petits et variés, sont déçus des résultats de l'entraînement sur vidéo, et la collecte de données par téléopération coûte cher. La simulation passe pour une piste prometteuse, mais il est difficile de rendre ces mondes fidèles à la physique réelle.

Selon Alex de Vigan, la chaîne de traitement conçue par sa précédente entreprise sait transformer des informations réelles non structurées et incomplètes en une représentation physique haute fidélité, avec une géométrie, des matériaux et une physique corrects. Physicl se concentre sur le post-entraînement des modèles face aux cas limites difficiles.

Son premier produit, Studio, propose 10 000 environnements 3D et 100 000 objets. Les utilisateurs composent des scènes pour générer des données synthétiques ciblées, par exemple pour un robot qui peine à repérer une tasse sur un plan de travail encombré ou dans l'ombre.

Un premier client et un marché encombré

Le concepteur de modèles du monde SpAItial a collaboré avec Physicl en tant que client pionnier. Son outil génère des simulations 3D à partir d'images 2D ; son dernier modèle, Echo-3, est sorti la semaine dernière. Son PDG Matthias Niessner, également professeur de robotique à l'Université technique de Munich, explique avoir besoin de données synthétiques de haute fidélité. L'idée de les produire à la volée, un agent d'IA détectant ce qui manque à l'entraînement, l'enthousiasme.

Physicl veut être un outil de génération continue de données synthétiques plutôt qu'un simple fournisseur. Alex de Vigan imagine des clients injectant des milliers de milliards d'images ou des millions d'heures de données lidar pour obtenir des milliards de variantes. Il reconnaît que le secteur est encombré : « Le domaine est très jeune et parfois très flou. »