Physicl Menggalang Pendanaan Awal $10 Juta untuk Mengatasi Masalah Kasus-Kasus Langka pada AI Fisik

Physicl mengumumkan pada 6 November 2026 bahwa perusahaan tersebut telah menggalang pendanaan awal sebesar $10 juta yang dipimpin oleh Inovia Capital, dengan partisipasi dari US Venture Partners, serta meluncurkan Studio, aplikasi pertamanya untuk menghasilkan data pelatihan sintetis bagi AI fisik.

Putaran pendanaan ini membiayai tim perusahaan di Paris dan San Francisco Bay Area, serta platform yang mendukung Studio. Steve Woods, mitra Inovia, menyebut data fisik Physicl yang berkualitas tinggi, dapat diskalakan, dan berlandaskan fisika dunia nyata sebagai bagian penting dalam menerjemahkan kemampuan model menjadi kinerja di dunia nyata.

Physicl menyasar kondisi langka yang dapat menentukan apakah robot, sistem otonom, dan model dunia dapat beroperasi secara andal di luar demonstrasi, seperti cangkir yang sebagian tertutup tas, bayangan yang melintasi meja dapur, atau kotak yang ditumpuk sedikit melenceng dari posisinya. Kondisi-kondisi ini sulit direkam dalam skala besar dan, setelah direkam, tidak dapat diputar ulang dengan mengubah kondisi tertentu.

Physicl berpendapat bahwa AI fisik belum memiliki korpus pelatihan yang sebanding dengan teks internet yang menjadi landasan model bahasa atau miliaran foto berteks yang menjadi landasan model gambar. Akibatnya, tim kekurangan contoh tentang kegagalan yang dapat menghambat penerapan.

Pendiri sekaligus CEO Alex de Vigan telah menghabiskan sepuluh tahun mendigitalkan objek dan ruangan dalam 3D, termasuk membangun pustaka dan perangkat lunak untuk membuat variasi bagi peritel besar. Setelah itu, tim robotika, model dunia, dan visi komputer mulai meminta versi berlabel presisi dari situasi yang gagal ditangani model mereka, dalam jumlah ribuan. Permintaan tersebut menjadi landasan bagi platform data sintetis Physicl.

Physicl memiliki sekitar 30 anggota tim yang bergerak di bidang 3D, simulasi, dan pembelajaran mesin, dengan kantor di New York, San Francisco, dan Paris. Sebagian besar dari mereka menghabiskan enam tahun membangun sistem produksi 3D bersama de Vigan sebelum ia mendirikan perusahaan ini.

Studio Menghasilkan Kasus-Kasus Langka yang Terkendali

Pengumuman produk yang diterbitkan bersamaan dengan berita pendanaan tersebut menjelaskan alur kerja empat langkah. Peneliti menguraikan kegagalan dengan bahasa sehari-hari; Studio mengusulkan adegan yang sesuai beserta variasinya; peneliti menyesuaikan rentang variasi dan menetapkan kondisi, seperti jalur kamera; lalu sistem merender dan mengekspor hasilnya sembari mencatat kondisi di balik setiap bingkai.

Studio memanfaatkan pustaka berisi 10.000 lingkungan dan 100.000 aset dasar yang dibuat dari geometri 3D nyata dan material yang diketahui. Pencahayaan, waktu, tingkat keramaian objek, objek, material, ketinggian kamera, dan jalur kamera dapat diubah secara terpisah maupun bersamaan. Hal ini memungkinkan perbandingan terkendali, dengan hanya kondisi tertentu yang berbeda di antara klip.

Kedalaman, normal permukaan, segmentasi objek dan kelas, serta kotak dua dimensi berasal dari adegan 3D yang sama dengan adegan yang menghasilkan gambar, bukan diperkirakan dari gambar hasil render atau digambar oleh anotator. Hasil ekspor mencakup gambar atau video RGB dengan resolusi hingga 1920 × 1080, disertai posisi kamera untuk setiap bingkai dan metadata adegan yang mencakup pencahayaan, tata letak, dan objek.

Akses Beta dan Hasil Awal

Studio masih dalam versi beta dan dapat digunakan secara gratis selama periode tersebut. Akses dibuka secara bertahap untuk laboratorium, universitas, dan perusahaan yang mengembangkan model visi komputer, model dunia, dan robotika. Data dunia nyata tetap menjadi bagian penting dari pendekatan ini: Studio dirancang untuk melengkapinya dengan kasus langka yang tidak dapat disediakan berulang kali dan dalam jumlah besar melalui perekaman di dunia nyata. Adegan baru ditambahkan setiap hari, dan Physicl berencana mengembangkan kontrol, lapisan data acuan dasar, serta format ekspor berdasarkan masukan dari para pengguna di bidang riset.

Physicl melaporkan bahwa perusahaan model dunia SpAItial memangkas kesalahan rekonstruksinya pada ruangan nyata hingga lebih dari setengah setelah berlatih menggunakan data Physicl. Evaluasi tersebut dilakukan oleh tim Matthias Niessner di TUM. Niessner adalah CEO SpAItial dan profesor di TUM, serta tercatat sebagai penasihat Physicl.

Versi beta Studio menguji premis Physicl secara lebih luas: apakah kasus langka sintetis yang dapat diulang dan diberi label secara presisi mampu meningkatkan keandalan model hingga cukup untuk diterapkan di lingkungan fisik.