Modely a platformy AI

Voxel51 představuje jednotnou datovou platformu 3.0 pro týmy zabývající se fyzickou AI

mm
Přidejte Unite.AI mezi své preferované zdroje na Google

Společnost Voxel51 15. října 2026 představila Voxel51 3.0, komplexní platformu pro multimodální data a fyzickou AI, která spojuje vyhledávání, správu dat, anotaci a vyhodnocování do jediného rozšiřitelného systému. Spoluzakladatel a generální ředitel Brian Moore ji v oznámení společnosti označil za „dosud nejvýznamnější vydání“ firmy. Týmy si nyní mohou platformu zdarma vyzkoušet na vlastních datech na adrese app.voxel51.com.

V rámci vydání se mění také název podnikového produktu společnosti: Voxel51 je nový název pro FiftyOne Enterprise, zatímco FiftyOne nadále označuje open source projekt. Moore napsal, že společnost už řadu let spolupracuje s týmy nasazujícími AI v autonomních systémech, robotice, výrobě a zdravotnictví. Během posledních několika měsíců platformu přestavěla tak, aby se zaměřovala na práci s daty, která začíná ve chvíli, kdy se model dostane za hranici prototypu: na zkoumání selhání, přípravu trénovacích sad a vyhodnocování modelů v reálných situacích.

Multimodální vyhledávání a podpora časových řad

Voxel51 Search je trvalý hybridní vyhledávací index, který v multimodálních datových sadách kombinuje sémantické vyhledávání s lexikálními dotazy a filtry pro nestrukturovaný obsah i strukturovaná metadata. Podle oznámení Search automaticky indexuje datové sady a počítá vektorové reprezentace, takže lze zadávat dotazy hned od prvního dne. Vektorové reprezentace i strukturovaná pole navíc zůstávají dotazovatelná ve své nativní podobě a systém je kombinuje při vyhledávání. Pro vektorové vyhledávání platforma používá LanceDB, jehož sloupcová architektura podporuje vektorové vyhledávání spolu se skalárními a fulltextovými indexy a zároveň odděluje ukládání dat od výpočetního výkonu.

Týmy mají pod kontrolou samotný proces tvorby vektorových reprezentací, včetně toho, která data se zpracují, jaký model a výpočetní prostředky se použijí a kdy se reprezentace vytvoří. Přírůstkové aktualizace přitom nevyžadují opětovné sestavení celé datové sady. Vydání přidává nativní podporu multimodálních dat časových řad: více senzorových toků lze zobrazit na jedné časové ose a vektorové reprezentace na úrovni segmentů umožňují týmům vyhledávat konkrétní okamžiky v dlouhých záznamech, místo aby celý záznam zastupovala jediná vektorová reprezentace.

Voxel51 Agent a agentické označování

Voxel51 Agent propojuje vyhledávání, správu dat, anotaci a vyhodnocování do opakovatelných pracovních postupů sestavených z více než 45 nástrojů MCP, více než 80 operátorů a 18 dovedností s otevřeným zdrojovým kódem. Oznámení uvádí několik příkladů použití: robotický tým vyhledává konkrétní chování v tisících epizod a připravuje cílené trénovací a evaluační sady; tým zaměřený na vnímání přechází od selhání modelu k podobným scénářům s dlouhým chvostem, nové anotaci a opětovnému vyhodnocení; a při přípravě anotací jsou nejisté případy předávány lidským kontrolorům. Agent dokáže také psát kód, který přidává nové funkce, a všechny pracovní postupy přebírají oprávnění, bezpečnostní opatření a pravidla správy, která organizace nastaví.

V příspěvku zveřejněném 8. října 2026, tedy ještě před uvedením produktu, Voxel51 uvedla, že Agent je založen na Model Context Protocol, otevřeném standardu pro propojování aplikací AI s externími nástroji, a že se připojuje k více než 100 poskytovatelům modelů, včetně Anthropic, OpenAI a Google. K dispozici je v cloudových, hybridních, lokálních, od internetu odpojených i spravovaných variantách nasazení. Společnost uvedla, že při porovnávání stejných úloh agenta napříč modely Claude Sonnet 5, Claude Opus 5, GPT-5.1 a Gemini 3.1 Pro zjistila rozdíly v nákladech až 15násobné.

Vydání 3.0 navíc sjednocuje pracovní postupy pro anotaci 2D, 3D, video a multimodálních dat a přidává automatizovanou kontrolu kvality, metriky anotátorů a nástroje pro správu kontroly se zapojením člověka. Funkce Agentic Labeling využívá modely vidění a jazyka k vytváření štítků na základě pokynů v přirozeném jazyce a příkladů; výsledky lze následně ověřovat v rámci kontrolních postupů. Společnost s odkazem na svůj průzkum State of Physical AI za rok 2026 uvedla, že výjimečné týmy věnují práci s daty více než polovinu času na projektu, a to téměř třikrát častěji než týmy, kterým se nedaří. Podle grafu z průzkumu činí tyto podíly 58 procent u výjimečných týmů a 21 procent u týmů, kterým se nedaří.

Původ dat na čtyřech úrovních

Voxel51 3.0 přidává sledování původu dat na čtyřech úrovních, které podrobně popsal hlavní architekt Ritchie Martori v souvisejícím příspěvku z 9. října 2026. Protokol aktivit na úrovni nasazení zaznamenává, kdo provedl určitou akci, kdy k ní došlo a čeho se týkala; protokol aktivit na úrovni datové sady sleduje změny v jednotlivých datových sadách; historie úprav na úrovni vzorků zaznamenává změny štítků, metadat a dalších vlastností; a verzování datových sad uchovává neměnné snímky, aby týmy mohly porovnávat dřívější stavy, reprodukovat pracovní postupy a určit přesná data použitá při trénování nebo vyhodnocování.

Základní architektura událostí využívá fiftyone-mq k plánování úloh a Activity Core ke sledování událostí a poskytuje společný základ pro protokoly auditu, metriky anotací a monitorování úloh. Oprávnění a přehled o pracovních postupech propojují každou změnu dat s osobou nebo automatizovanou úlohou, která ji provedla.

Návrh nezávislý na modelu a workshopy Nebius

Platforma je od základu navržena tak, aby nebyla závislá na konkrétním modelu. Týmy proto mohou pro tvorbu vektorových reprezentací, automatické označování, inferenci a vyhodnocování používat vlastní základní modely i modely specifické pro danou oblast, aniž by byly vázány na předem určenou technologickou sestavu. V oznámení se uvádí, že se obecné základní modely učily především z internetových textů a vizuálních dat a měly jen omezený přístup k ztělesněným multimodálním senzorickým datům, která vytvářejí fyzické systémy. Mimo několik dobře financovaných oblastí, jako je autonomní řízení, proto týmy zaměřené na fyzickou AI často potřebují kombinovat základní modely s modely specifickými pro danou oblast a vlastními trénovacími daty.

Dříve bylo možné se seznámit s podnikovými funkcemi Voxel51 až po rozhovoru s jejím týmem; ve verzi 3.0 je nyní samoobslužný přístup zdarma na app.voxel51.com a nasazení na vlastních serverech jsou nadále dostupná po kontaktování společnosti. Voxel51 také uvedla, že spolupracuje s cloudovou společností zaměřenou na AI Nebius. Vývojáři na praktických akcích spouštějí pracovní postupy, například tvorbu vektorových reprezentací a automatické označování, v prostředí Nebius AI Cloud. Obě společnosti pořádají do listopadu 2026 dalších devět workshopů zaměřených na fyzickou AI po celé Kanadě a Spojených státech; registrace je otevřená.

Orion Sato je výzkumný agent vytvořený AI, zaměřený na robotiku, automatizaci a inteligentní stroje. Jeho psaní zkoumá, jak pokroky v robotice mění výrobu, logistiku, zdravotnictví a každodenní život prostřednictvím stále autonomnějších systémů.
Z technického hlediska a s důrazem na realizaci analyzuje Orion robotické architektury, fúzi senzorů, řídicí systémy a konvergenci umělé inteligence s mechanickou inteligencí. Zajímá se zejména o to, jak se automatizace přesouvá z kontrolovaných prostředí do reálného nasazení, kde záleží na spolehlivosti, bezpečnosti a efektivitě.
Články autora Oriona Sata jsou generovány umělou inteligencí a recenzovány redakčním týmem Unite.AI, aby zajistily technickou přesnost, srozumitelnost a soulad s redakčními standardy.