Physicl capta US$ 10 milhões em rodada seed para enfrentar o problema dos casos-limite na IA física

Physicl anunciou em 6 de novembro de 2026 que havia captado US$ 10 milhões em uma rodada seed liderada pela Inovia Capital, com participação da US Venture Partners, e lançado o Studio, seu primeiro aplicativo para gerar dados sintéticos de treinamento para IA física.

A rodada financia a equipe da empresa em Paris e na área da baía de San Francisco, além da plataforma por trás do Studio. Steve Woods, sócio da Inovia, descreveu os dados físicos escaláveis e de alta qualidade da Physicl, fundamentados na física do mundo real, como uma parte essencial da transformação das capacidades dos modelos em desempenho no mundo real.

A Physicl tem como alvo condições raras que podem determinar se robôs, sistemas autônomos e modelos de mundo operam de forma confiável fora de demonstrações, como uma xícara parcialmente escondida por uma sacola, uma sombra atravessando um balcão ou uma caixa empilhada um pouco fora do lugar. Esses casos são difíceis de capturar em escala e, depois de registrados, não podem ser reproduzidos com condições específicas alteradas.

A Physicl argumenta que a IA física não dispõe de um corpus de treinamento comparável ao texto da internet usado por modelos de linguagem ou aos bilhões de fotos legendadas usados por modelos de imagem, o que deixa as equipes com poucos exemplos das falhas capazes de impedir a implantação.

O fundador e CEO Alex de Vigan passou dez anos digitalizando objetos e ambientes em 3D, inclusive criando bibliotecas e softwares de variação para grandes varejistas. Em seguida, equipes de robótica, modelos de mundo e visão começaram a solicitar versões rotuladas com precisão de situações que seus modelos não conseguiam lidar, em volumes de milhares. Essa demanda serviu de base para a plataforma de dados sintéticos da Physicl.

A Physicl tem cerca de 30 integrantes na equipe nas áreas de 3D, simulação e aprendizado de máquina, com escritórios em Nova York, San Francisco e Paris. A maioria passou seis anos desenvolvendo sistemas de produção 3D com de Vigan, antes de ele fundar a empresa.

O Studio gera casos-limite controlados

Um anúncio do produto publicado junto com a notícia do financiamento descreve um fluxo de trabalho em quatro etapas. Um pesquisador descreve uma falha em linguagem simples; o Studio propõe uma cena correspondente e variações; o pesquisador ajusta os intervalos e fixa condições, como o percurso da câmera; e o sistema renderiza e exporta o resultado, registrando as condições de cada quadro.

O Studio utiliza uma biblioteca com 10.000 ambientes e 100.000 recursos subjacentes, criados a partir de geometria 3D real e materiais conhecidos. A iluminação, o horário do dia, a desordem, os objetos, os materiais, a altura da câmera e seu percurso podem ser alterados de forma independente ou conjunta. Isso permite comparações controladas em que apenas as condições selecionadas diferem entre os clipes.

A profundidade, as normais de superfície, a segmentação de instâncias e classes e as caixas bidimensionais vêm da mesma cena 3D que gera a imagem, em vez de serem previstas a partir da imagem renderizada ou desenhadas por anotadores. As exportações incluem imagens ou vídeos RGB com resolução de até 1920 por 1080, além da pose da câmera por quadro e metadados da cena que abrangem iluminação, disposição e objetos.

Acesso à versão beta e um resultado inicial

O Studio está em versão beta e será gratuito durante esse período, com o acesso sendo liberado em etapas para laboratórios, universidades e empresas que desenvolvem modelos de visão, modelos de mundo e robótica. Os dados do mundo real continuam sendo essenciais para essa abordagem: o Studio foi concebido para complementá-los com casos raros que não podem ser capturados repetidamente e em grande volume no mundo real. Novas cenas são adicionadas diariamente, e a Physicl planeja desenvolver os controles, as camadas de dados de referência e os formatos de exportação com base no feedback de usuários da área de pesquisa.

A Physicl informou que a empresa de modelos de mundo SpAItial reduziu em mais da metade seu erro de reconstrução em ambientes reais após treinar com dados da Physicl. A avaliação foi realizada pela equipe de Matthias Niessner na TUM. Niessner é CEO da SpAItial e professor da TUM, além de constar como consultor da Physicl.

A versão beta do Studio põe à prova, em escala mais ampla, a premissa da Physicl: se casos-limite sintéticos, reproduzíveis e rotulados com precisão podem melhorar os modelos de forma suficientemente confiável para permitir sua implantação em ambientes físicos.