AI6 lis 2026, 19:49 UTC·2 min czytania

Physicl pozyskuje 10 mln dol. na symulacje dla robotów

Physicl, startup Alexa de Vigana, twórcy nfinite, zebrał 10 mln dolarów od Inovia Capital na realistyczne symulacje 3D do trenowania robotów.

A robotic arm reaching for a cup on a cluttered kitchen counter inside a rendered 3D simulation environment. — Zdjęcie: TechCrunch

Startup Physicl zebrał 10 mln dolarów w rundzie seed pod przewodnictwem funduszu Inovia Capital. Pieniądze pójdą na tworzenie bardziej realistycznych symulacji, które pomogą twórcom modeli świata i producentom robotów rozwiązywać trudne problemy treningowe.

Założycielem i prezesem firmy jest Alex de Vigan, który przez ostatnią dekadę budował nfinite, platformę pozwalającą markom i sklepom tworzyć trójwymiarowe modele produktów i wyświetlać je w internecie. Gdy pojawiły się modele AI oparte na transformerach, nfinite skupiło się na obrazach generatywnych. De Vigan dostrzegł jednak nowe zastosowanie dla zespołu i technologii wiernie odwzorowującej środowiska 3D. „AI brakowało zdolności rozumienia przestrzeni i obiektów oraz interakcji z nimi”, mówi.

Problem różnicy między symulacją a rzeczywistością

Badacze rozwijający fizyczne modele AI, które mają uczyć roboty chwytania różnorodnych, drobnych przedmiotów, są rozczarowani efektami treningu na wideo oraz kosztami zbierania danych przez teleoperację. Symulacje uchodzą za obiecujące rozwiązanie, ale trudno zadbać, by wirtualne światy wiernie oddawały fizykę. Według de Vigana potok technologiczny jego poprzedniej firmy, przekształcający niepełne i niejednorodne dane z rzeczywistości w reprezentację o poprawnej geometrii, materiałach i fizyce, może poprawić skuteczność takich modeli.

Physicl wchodzi na zatłoczony rynek firm dostarczających dane i narzędzia twórcom modeli bazowych oraz operatorom robotów. „Ta dziedzina jest bardzo młoda i czasem bardzo niejasna”, przyznaje de Vigan. Startup chce skupić się na dotrenowywaniu modeli w trudnych przypadkach brzegowych. Wypuszcza produkt Studio z 10 tys. środowisk 3D i 100 tys. zasobów reprezentujących obiekty. Pozwala on budować sceny i generować dane syntetyczne, np. dla robota, który nie rozpoznaje kubka na zagraconym blacie lub w cieniu.

Pierwszy klient i plany

Wczesnym klientem było SpAItial, twórca modeli świata, którego najnowszy produkt Echo-3 trafił na rynek w zeszłym tygodniu. Narzędzie generuje symulacje 3D z obrazów 2D, a według szefa firmy Matthiasa Niessnera wymagało to danych syntetycznych wysokiej wierności, jakie oferuje Physicl.

De Vigan chce, by Physicl było czymś więcej niż dostawcą danych: narzędziem do ciągłego generowania danych syntetycznych. Wyobraża sobie klientów dostarczających biliony obrazów lub miliony godzin zapisów lidarowych, z których powstaną reprezentacje 3D i miliardy wariantów do treningu. Niessner, profesor robotyki na Uniwersytecie Technicznym w Monachium, zwraca uwagę, że dane trzeba dziś selekcjonować ręcznie, co trwa długo. Atrakcyjne jest dla niego generowanie ich na bieżąco, w zależności od stanu treningu.