Voxel51 esittelee fyysisen tekoälyn tiimeille suunnatun yhtenäisen data-alustan version 3.0

Voxel51 esitteli 15. lokakuuta 2026 Voxel51 3.0:n, fyysisen tekoälyn päästä päähän kattavan multimodaalisen data-alustan, joka kokoaa haun, kuratoinnin, annotoinnin ja arvioinnin yhteen laajennettavaan järjestelmään. Yhtiön toinen perustaja ja toimitusjohtaja Brian Moore kutsui sitä yhtiön tiedotteessa ”sen tähänastisesti merkittävimmäksi julkaisuksi”. Tiimit voivat nyt kokeilla alustaa maksutta omalla datallaan osoitteessa app.voxel51.com.

Julkaisun yhteydessä myös yhtiön yritystuotteen nimi muuttui: FiftyOne Enterprise tunnetaan nyt nimellä Voxel51, kun taas FiftyOne viittaa edelleen avoimen lähdekoodin projektiin. Moore kirjoitti, että yhtiö on tehnyt vuosien ajan yhteistyötä tekoälyä autonomisiin järjestelmiin, robotiikkaan, teollisuuteen ja terveydenhuoltoon ottavien tiimien kanssa. Viime kuukausien aikana alusta rakennettiin uudelleen keskittyen työhön, joka alkaa, kun malli siirtyy prototyyppivaiheen ohi: virheiden tutkimiseen, koulutusaineistojen kuratointiin ja mallien arviointiin todellisissa käyttötilanteissa.

Multimodaalinen haku ja aikasarjojen tuki

Voxel51 Search on pysyvä hybridi-indeksi, joka yhdistää semanttisen haun leksikaalisiin kyselyihin ja suodattimiin multimodaalisten aineistojen rakenteettoman sisällön ja rakenteisten metatietojen osalta. Tiedotteen mukaan Search indeksoi aineistot automaattisesti ja laskee upotukset, joten kyselyitä voi tehdä heti ensimmäisestä päivästä alkaen. Se pitää upotukset ja rakenteiset kentät kyseltävissä niiden alkuperäisessä muodossa ja yhdistää ne hakuvaiheessa. Vektorihakuun alusta käyttää LanceDB:tä, jonka sarakepohjainen arkkitehtuuri tukee vektorihakua skalaaristen indeksien ja kokoteksti-indeksien rinnalla ja erottaa tallennuksen laskennasta.

Tiimit voivat hallita itse upotusputkea, kuten sitä, mitä dataa upotetaan, mitä mallia ja laskentatehoa käytetään sekä milloin upotukset luodaan. Päivitykset voidaan tehdä vaiheittain ilman koko aineiston uudelleenrakentamista. Julkaisu tuo ensiluokkaisen tuen aikasarjoja sisältävälle multimodaaliselle datalle: useita anturivirtoja voidaan tarkastella samalla aikajanalla, ja segmenttitason upotusten avulla tiimit voivat hakea tiettyjä hetkiä pitkistä tallenteista sen sijaan, että koko jakso esitettäisiin yhdellä upotuksella.

Voxel51 Agent ja agenttinen merkintöjen luonti

Voxel51 Agent yhdistää haun, kuratoinnin, annotoinnin ja arvioinnin toistettaviksi työnkuluiksi, jotka rakentuvat yli 45 MCP-työkalusta, yli 80 operaattorista ja 18 avoimen lähdekoodin taidosta. Tiedotteessa kuvataan esimerkkejä käyttötavoista: robotiikkatiimi etsii tuhansista jaksoista tiettyjä käyttäytymismalleja ja kuratoi niiden perusteella kohdennetut koulutus- ja arviointiaineistot; havainnointitiimi etenee mallin virheestä samankaltaisiin pitkän hännän skenaarioihin, uuteen annotointiin ja uudelleenarviointiin; ja annotoinnin valmistelussa epävarmat tapaukset ohjataan ihmistarkastajille. Agentti voi myös kirjoittaa koodia uusien toimintojen lisäämiseksi, ja kaikki työnkulut noudattavat organisaation määrittämiä käyttöoikeuksia sekä tietoturva- ja hallintakäytäntöjä.

Ennen julkaisua Voxel51 kertoi 8. lokakuuta 2026 julkaistussa kirjoituksessaan, että Agent perustuu Model Context Protocol -protokollaan, joka on avoin standardi tekoälysovellusten yhdistämiseen ulkoisiin työkaluihin. Yhtiön mukaan Agent yhdistyy yli sataan mallipalveluntarjoajaan, kuten Anthropic, OpenAI ja Google, ja se on saatavilla pilvi-, hybridi-, paikallis- ja eristetyissä ympäristöissä sekä hallittuna käyttöönottovaihtoehtona. Yhtiö kertoi vertailleensa samoja agenttitehtäviä malleilla Claude Sonnet 5, Claude Opus 5, GPT-5.1 ja Gemini 3.1 Pro. Vertailussa kustannuserot olivat enimmillään 15-kertaisia.

Versio 3.0 yhtenäistää lisäksi annotointityönkulut 2D-, 3D-, video- ja multimodaaliselle datalle. Siihen sisältyvät automaattinen laadunvarmistus, annotaattorien mittarit ja työkalut ihmisen osallistumista edellyttävän tarkastuksen hallintaan. Agentic Labeling -ominaisuus hyödyntää visio-kielimalleja luodakseen merkintöjä luonnolliskielisten ohjeiden ja esimerkkien perusteella. Tulosten validointiin on tarjolla tarkastustyönkulkuja. Yhtiö viittasi vuoden 2026 State of Physical AI -kyselyynsä ja kertoi, että poikkeuksellisen hyvin menestyvät tiimit käyttävät yli puolet projektiajastaan datatyöhön, lähes kolminkertaisesti vaikeuksissa oleviin tiimeihin verrattuna. Kyselyn kaavion mukaan osuudet ovat 58 prosenttia poikkeuksellisen hyvin menestyvistä tiimeistä ja 21 prosenttia vaikeuksissa olevista tiimeistä.

Datan alkuperän seuranta neljällä tasolla

Voxel51 3.0 tuo datan alkuperän seurannan neljälle tasolle. Niitä käsitellään yksityiskohtaisesti pääarkkitehti Ritchie Martorin 9. lokakuuta 2026 julkaisemassa oheiskirjoituksessa. Käyttöönottotason tapahtumaloki näyttää, kuka teki toiminnon, milloin se tapahtui ja mihin se vaikutti koko käyttöönotossa. Aineistotason tapahtumaloki seuraa yksittäisiin aineistoihin tehtyjä muutoksia. Näytetason muokkaushistoriasta voi jäljittää merkintöihin, metatietoihin ja muihin ominaisuuksiin tehdyt muutokset. Aineistoversiointi puolestaan tallentaa muuttumattomia tilannekuvia, joiden avulla tiimit voivat vertailla aiempia tiloja, toistaa työnkulkuja ja selvittää täsmälleen, mitä dataa koulutuksessa tai arvioinnissa käytettiin.

Tapahtuma-arkkitehtuurin perustana ovat töiden ajoitukseen käytettävä fiftyone-mq ja tapahtumien seurantaan käytettävä Activity Core. Yhdessä ne tarjoavat yhteisen perustan tarkastuslokeille, annotointimittareille ja töiden valvonnalle. Käyttöoikeudet ja työnkulkujen näkyvyys yhdistävät jokaisen datamuutoksen sen tehneeseen henkilöön tai automaattiseen työhön.

Malliriippumaton rakenne ja Nebiuksen työpajat

Alusta on suunniteltu malliriippumattomaksi, joten tiimit voivat käyttää omia perusmallejaan ja toimialakohtaisia mallejaan upotusten muodostamiseen, automaattiseen annotointiin, päättelyyn ja arviointiin ilman, että ne sidotaan ennalta määriteltyyn teknologiapinoon. Julkistuksessa todetaan, että yleiskäyttöiset perusmallit ovat oppineet pääasiassa internetin tekstistä ja visuaalisesta datasta ja että ne ovat altistuneet vain vähän fyysisten järjestelmien tuottamalle kehollistuneelle multimodaaliselle anturidatalle. Lisäksi siinä todetaan, että muutamia hyvin rahoitettuja aloja, kuten autonomista ajamista, lukuun ottamatta fyysisen tekoälyn tiimien on usein yhdistettävä perusmalleja toimialakohtaisiin malleihin ja omaan koulutusdataansa.

Aiemmin Voxel51:n yritystason ominaisuuksiin tutustuminen edellytti yhteydenottoa sen tiimiin; version 3.0 myötä itsepalvelukäyttö on maksutonta osoitteessa app.voxel51.com, ja itse ylläpidettävät käyttöönotot ovat edelleen saatavilla ottamalla yhteyttä yritykseen. Voxel51 kertoi myös tekevänsä yhteistyötä tekoälypilvipalveluyritys Nebiuksen kanssa. Kehittäjät suorittavat käytännön tapahtumissa Nebius AI Cloudissa esimerkiksi upotusten muodostamiseen ja automaattiseen annotointiin liittyviä työnkulkuja. Yritykset järjestävät Kanadassa ja Yhdysvalloissa yhdeksän uutta fyysisen tekoälyn työpajaa marraskuuhun 2026 mennessä, ja ilmoittautuminen on avoinna.