Physicl atrage 10 milioane de dolari în runda de finanțare inițială pentru a rezolva problema cazurilor-limită ale IA fizice

Physicl a anunțat pe 6 noiembrie 2026 că a atras 10 milioane de dolari în cadrul unei runde de finanțare inițială conduse de Inovia Capital, la care a participat și US Venture Partners, și că a lansat Studio, prima sa aplicație pentru generarea de date sintetice de antrenare pentru IA fizică.

Runda finanțează echipa companiei din Paris și din zona golfului San Francisco, precum și platforma din spatele Studio. Steve Woods, partener la Inovia, a descris datele fizice scalabile și de înaltă calitate ale Physicl, bazate pe fizica lumii reale, drept esențiale pentru transformarea capacităților modelelor în performanțe în lumea reală.

Physicl vizează situațiile rare care pot determina dacă roboții, sistemele autonome și modelele lumii funcționează fiabil în afara demonstrațiilor, inclusiv o ceașcă ascunsă parțial de o pungă, o umbră care traversează un blat sau o cutie așezată puțin strâmb peste alta. Aceste situații sunt greu de surprins la scară și, odată înregistrate, nu pot fi reluate cu anumite condiții modificate.

Physicl susține că IA fizică nu dispune de un corpus de antrenare comparabil cu textele de pe internet folosite pentru modelele lingvistice sau cu miliardele de fotografii adnotate folosite pentru modelele de imagini, astfel că echipelor le lipsesc exemplele de erori care pot împiedica implementarea.

Fondatorul și directorul general, Alex de Vigan, a petrecut zece ani digitalizând obiecte și încăperi în 3D, inclusiv construind biblioteci și software pentru variații destinat marilor retaileri. Ulterior, echipele din domeniul roboticii, al modelelor lumii și al viziunii artificiale au început să solicite versiuni etichetate cu precizie ale situațiilor pe care modelele lor nu reușeau să le gestioneze, în volume de mii de exemple. Această cerere a stat la baza platformei Physicl pentru date sintetice.

Physicl are aproximativ 30 de membri ai echipei în domeniile 3D, simulării și învățării automate, cu birouri în New York, San Francisco și Paris. Majoritatea au petrecut șase ani construind sisteme de producție 3D împreună cu de Vigan, înainte ca acesta să înființeze compania.

Studio generează cazuri-limită controlate

Un anunț despre produs publicat odată cu vestea finanțării descrie un flux de lucru în patru pași. Un cercetător descrie o eroare în limbaj obișnuit; Studio propune o scenă corespunzătoare și variații ale acesteia; cercetătorul ajustează intervalele variațiilor și fixează condiții precum traiectoria camerei; apoi, sistemul redă și exportă rezultatul, înregistrând condițiile aferente fiecărui cadru.

Studio folosește o bibliotecă de 10.000 de medii și 100.000 de resurse de bază, construite pe baza geometriei 3D reale și a materialelor cunoscute. Iluminarea, momentul zilei, dezordinea, obiectele, materialele, înălțimea camerei și traiectoria acesteia pot fi modificate separat sau împreună. Astfel, sunt posibile comparații controlate în care doar condițiile selectate diferă de la un clip la altul.

Adâncimea, normalele suprafețelor, segmentarea pe instanțe și clase, precum și dreptunghiurile delimitatoare 2D provin din aceeași scenă 3D care generează imaginea, în loc să fie prezise pornind de la imaginea redată sau desenate de adnotatori. Exporturile includ imagini RGB sau videoclipuri cu rezoluții de până la 1920 × 1080, precum și poziția camerei pentru fiecare cadru și metadate despre scenă, care acoperă iluminarea, dispunerea și obiectele.

Accesul la versiunea beta și un rezultat preliminar

Studio este în versiune beta și va fi gratuit pe durata acestei perioade, iar accesul va fi deschis treptat laboratoarelor, universităților și companiilor care dezvoltă modele de viziune artificială, modele ale lumii și modele de robotică. Datele din lumea reală rămân esențiale pentru această abordare: Studio este conceput să le completeze cu situații rare pe care captarea din lumea reală nu le poate furniza în mod repetat și la scară. Se adaugă scene noi zilnic, iar Physicl intenționează să dezvolte comenzile, straturile de referință și formatele de export pe baza feedbackului utilizatorilor din cercetare.

Physicl a raportat că SpAItial, o companie care dezvoltă modele ale lumii, și-a redus cu peste jumătate eroarea de reconstrucție pentru încăperi reale după antrenarea cu date Physicl. Evaluarea a fost realizată de echipa lui Matthias Niessner de la TUM. Niessner este directorul general al SpAItial și profesor la TUM și figurează, de asemenea, ca consilier al Physicl.

Versiunea beta a Studio pune la încercare, la o scară mai largă, premisa Physicl: dacă situațiile-limită sintetice, reproductibile și etichetate cu precizie pot îmbunătăți modelele suficient de fiabil pentru implementarea lor în medii fizice.