Voxel51 lancerer samlet dataplatform 3.0 målrettet teams inden for fysisk AI

Den 15. oktober 2026 introducerede Voxel51 Voxel51 3.0, en multimodal dataplatform til fysisk AI, der samler søgning, kuratering, annotering og evaluering i ét udvideligt system fra start til slut. Medstifter og CEO Brian Moore kaldte den i virksomhedens annoncering for virksomhedens »hidtil mest betydningsfulde udgivelse«, og teams kan nu gratis afprøve platformen på deres egne data på app.voxel51.com.

Udgivelsen indebærer også et nyt navn til virksomhedens enterprise-produkt: Voxel51 er det nye navn for FiftyOne Enterprise, mens FiftyOne fortsat betegner open source-projektet. Moore skrev, at virksomheden i årevis har arbejdet med teams, der udruller AI i autonome systemer, robotteknologi, produktion og sundhedsvæsen, og at platformen i løbet af de seneste måneder er blevet bygget om med udgangspunkt i det dataarbejde, der begynder, når en model bevæger sig ud over prototypestadiet: undersøgelse af fejl, kuratering af træningssæt og evaluering af modeller på tværs af virkelige scenarier.

Multimodal søgning og understøttelse af tidsserier

Voxel51 Search er et vedvarende, hybridt søgeindeks, der kombinerer semantisk søgning med leksikale forespørgsler og filtre på tværs af ustruktureret indhold og strukturerede metadata i multimodale datasæt. Ifølge annonceringen indekserer Search automatisk datasæt og beregner embeddings, så forespørgsler er tilgængelige fra første dag, og sørger for, at embeddings og strukturerede felter kan søges i deres oprindelige form, inden de kombineres ved søgningen. Til vektorsøgning bruger platformen LanceDB, hvis kolonnebaserede arkitektur understøtter vektorsøgning sideløbende med skalarindekser og fuldtekstindekser, samtidig med at lagring holdes adskilt fra beregning.

Teams styrer selve pipelinen for embeddings, herunder hvilke data der indgår, hvilken model og beregningskapacitet der skal bruges, og hvornår embeddings genereres. Trinvise opdateringer kræver ikke, at hele datasættet genopbygges. Udgivelsen tilføjer fuldgyldig understøttelse af multimodale tidsseriedata: Flere sensorstrømme kan visualiseres på den samme tidslinje, og segmentbaserede embeddings gør det muligt for teams at finde bestemte øjeblikke i lange optagelser i stedet for at repræsentere et helt forløb med én enkelt embedding.

Voxel51 Agent og Agentic Labeling

Voxel51 Agent kæder søgning, kuratering, annotering og evaluering sammen i gentagelige arbejdsgange, der bygger på mere end 45 MCP-værktøjer, mere end 80 operatorer og 18 færdigheder med åben kildekode. Annonceringen beskriver flere eksempler på anvendelse: Et robotteam søger efter bestemte adfærdsmønstre på tværs af tusindvis af forløb for at udvælge målrettede trænings- og evalueringssæt; et perceptionsteam går fra en modelfejl til lignende scenarier med sjældne hændelser, ny annotering og fornyet evaluering; og annoteringsforberedelse sender usikre tilfælde videre til menneskelige kontrollanter. Agenten kan også skrive kode for at tilføje ny funktionalitet, og alle arbejdsgange arver de tilladelser samt de sikkerheds- og styringskontroller, som organisationen fastlægger.

I et indlæg offentliggjort den 8. oktober 2026, forud for lanceringen, oplyste Voxel51, at Agent bygger på Model Context Protocol, en åben standard til at forbinde AI-applikationer med eksterne værktøjer, og at den har forbindelse til mere end 100 modeludbydere, herunder Anthropic, OpenAI og Google. Den kan bruges i cloud-, hybrid-, lokale, isolerede og administrerede udrulninger. Virksomheden oplyste, at benchmarking af de samme agentopgaver på tværs af Claude Sonnet 5, Claude Opus 5, GPT-5.1 og Gemini 3.1 Pro viste omkostningsforskelle på op til 15 gange.

Udgivelsen af 3.0 samler desuden annoteringsarbejdsgange for 2D-, 3D-, video- og multimodale data med automatisk kvalitetssikring, målinger af annotatorers præstationer og værktøjer til styring af menneskelig gennemgang. Funktionen Agentic Labeling bruger vision-language-modeller til at generere etiketter ud fra instruktioner og eksempler på naturligt sprog, og omfatter arbejdsgange til gennemgang og validering af resultaterne. Med henvisning til virksomhedens undersøgelse State of Physical AI fra 2026 sagde virksomheden, at de mest fremtrædende teams bruger mere end halvdelen af projekttiden på dataarbejde, hvilket sker næsten 3 gange så ofte som blandt teams, der kæmper med opgaven; ifølge undersøgelsens diagram gælder det 58 procent af de mest fremtrædende teams og 21 procent af de teams, der kæmper med opgaven.

Dataoprindelse på fire niveauer

Voxel51 3.0 tilføjer sporing af dataoprindelse på fire niveauer, som Chief Architect Ritchie Martori beskriver nærmere i et ledsagende indlæg den 9. oktober 2026. En aktivitetslog på udrulningsniveau viser, hvem der udførte en handling, hvornår den fandt sted, og hvad den påvirkede på tværs af en udrulning; en aktivitetslog på datasætniveau registrerer ændringer i de enkelte datasæt; en redigeringshistorik på prøveniveau sporer ændringer af etiketter, metadata og andre egenskaber; og versionsstyring af datasæt gemmer uforanderlige øjebliksbilleder, så teams kan sammenligne tidligere tilstande, genskabe arbejdsgange og fastslå præcis, hvilke data der blev brugt til træning eller evaluering.

Den underliggende hændelsesarkitektur bruger fiftyone-mq til jobplanlægning og Activity Core til hændelsessporing og danner et fælles grundlag for revisionslogfiler, annoteringsmålinger og jobovervågning. Tilladelser og synlighed i arbejdsgange knytter hver dataændring til den person eller det automatiserede job, der foretog den.

Modeluafhængigt design og workshops hos Nebius

Platformen er fra starten designet til at være modeluafhængig, så teams kan bruge deres egne grundmodeller og domænespecifikke modeller til indlejring, automatisk mærkning, inferens og evaluering uden at være bundet til en foruddefineret teknologistak. Ifølge meddelelsen er generelle grundmodeller primært blevet trænet på internettekst og visuelle data og kun i begrænset omfang på de kropsliggjorte multimodale sensordata, som fysiske systemer genererer. Uden for en håndfuld velstøttede områder som selvkørende biler har teams inden for fysisk AI ofte brug for at kombinere grundmodeller med domænespecifikke modeller og deres egne træningsdata.

Tidligere krævede det, at man først talte med Voxel51s team, hvis man ville opleve virksomhedens funktioner til erhvervskunder. Med version 3.0 er selvbetjeningsadgang gratis på app.voxel51.com, og selvhostede installationer er fortsat tilgængelige ved henvendelse til virksomheden. Voxel51 oplyste også, at virksomheden samarbejder med AI-cloudvirksomheden Nebius, hvor udviklere afprøver arbejdsgange som indlejring og automatisk mærkning på Nebius AI Cloud ved praktiske arrangementer. De to virksomheder afholder yderligere ni workshops om fysisk AI i Canada og USA frem til november 2026, og tilmeldingen er åben.