Voxel51 представляет единую платформу данных 3.0 для команд, работающих над физическим ИИ

15 октября 2026 года Voxel51 представила Voxel51 3.0 — сквозную мультимодальную платформу данных для физического ИИ, объединяющую поиск, отбор данных, аннотирование и оценку в единой расширяемой системе. Сооснователь и генеральный директор компании Брайан Мур в анонсе назвал её «самым значительным на сегодняшний день выпуском» компании. Теперь команды могут бесплатно опробовать платформу на собственных данных на app.voxel51.com.

Вместе с выпуском компания переименовала свой корпоративный продукт: новое название FiftyOne Enterprise — Voxel51, а FiftyOne по-прежнему обозначает проект с открытым исходным кодом. Мур написал, что компания годами работала с командами, внедряющими ИИ в автономные системы, робототехнику, производство и здравоохранение, а за последние несколько месяцев перестроила платформу с учётом задач работы с данными, которые возникают, когда модель выходит за рамки прототипа: анализа сбоев, отбора обучающих наборов и оценки моделей в реальных сценариях.

Поддержка мультимодального поиска и временных рядов

Voxel51 Search — это постоянно действующий гибридный поисковый индекс, который объединяет семантический поиск с лексическими запросами и фильтрами для неструктурированного содержимого и структурированных метаданных в мультимодальных наборах данных. Согласно анонсу, Search автоматически индексирует наборы данных и вычисляет эмбеддинги, поэтому запросы доступны с первого дня; эмбеддинги и структурированные поля при этом остаются доступными для запросов в исходном виде и объединяются на этапе поиска. Для векторного поиска платформа использует LanceDB: его колоночная архитектура поддерживает векторный поиск наряду со скалярными индексами и индексами полнотекстового поиска, отделяя хранение данных от вычислений.

Команды сами управляют конвейером создания эмбеддингов: выбирают, какие данные обрабатывать, какую модель и вычислительные ресурсы использовать и когда создавать эмбеддинги. Предусмотрены инкрементальные обновления, для которых не нужно заново собирать весь набор данных. В выпуске также появилась полноценная поддержка мультимодальных данных временных рядов: несколько потоков данных с датчиков можно визуализировать на одной временной шкале, а эмбеддинги на уровне сегментов позволяют находить определённые моменты в длинных записях, а не представлять весь эпизод одним эмбеддингом.

Voxel51 Agent и агентная разметка

Voxel51 Agent объединяет поиск, отбор данных, аннотирование и оценку в повторяемые рабочие процессы на базе более чем 45 инструментов MCP, более чем 80 операторов и 18 навыков с открытым исходным кодом. В анонсе приведены примеры применения: команда робототехников ищет определённые модели поведения в тысячах эпизодов, чтобы отобрать целевые наборы для обучения и оценки; команда, занимающаяся системами восприятия, переходит от обнаруженного сбоя модели к похожим редким сценариям, новым аннотациям и повторной оценке; при подготовке данных для аннотирования случаи, вызывающие сомнения, направляются на проверку специалистам. Agent также может писать код для добавления новых функций, а все рабочие процессы наследуют установленные в организации правила доступа, безопасности и управления.

В публикации от 8 октября 2026 года, вышедшей перед запуском, Voxel51 сообщила, что Agent построен на Model Context Protocol — открытом стандарте для подключения ИИ-приложений к внешним инструментам — и соединяется более чем со 100 поставщиками моделей, включая Anthropic, OpenAI и Google. Решение доступно для облачного, гибридного, локального, изолированного от сети и управляемого развёртывания. Компания сообщила, что сравнение одних и тех же задач агента на Claude Sonnet 5, Claude Opus 5, GPT-5.1 и Gemini 3.1 Pro выявило различия в стоимости до 15 раз.

В выпуске 3.0 также объединены процессы аннотирования двумерных, трёхмерных, видео- и мультимодальных данных. В их число входят автоматизированный контроль качества, метрики работы аннотаторов и инструменты для управления проверкой с участием человека. Функция Agentic Labeling использует модели «зрение — язык», чтобы создавать метки по инструкциям на естественном языке и примерам; для проверки результатов предусмотрены соответствующие рабочие процессы. Ссылаясь на опрос State of Physical AI за 2026 год, компания сообщила, что выдающиеся команды тратят на работу с данными более половины времени проекта — почти в 3 раза чаще, чем команды, испытывающие трудности. Согласно диаграмме опроса, такие доли составляют 58 процентов среди выдающихся команд и 21 процент среди команд, испытывающих трудности.

Происхождение данных на четырёх уровнях

В Voxel51 3.0 добавлено отслеживание происхождения данных на четырёх уровнях. Подробности изложены в сопутствующей публикации главного архитектора Ричи Мартори от 9 октября 2026 года. Журнал действий на уровне развёртывания показывает, кто выполнил действие, когда оно произошло и на что повлияло в рамках развёртывания; журнал действий на уровне набора данных отслеживает изменения в отдельных наборах; история правок на уровне образцов позволяет проследить изменения меток, метаданных и других свойств; версионирование наборов данных сохраняет неизменяемые снимки, чтобы команды могли сравнивать прежние состояния, воспроизводить рабочие процессы и точно определять, какие данные использовались для обучения или оценки.

В основе архитектуры событий лежат fiftyone-mq для планирования заданий и Activity Core для отслеживания событий. Вместе они обеспечивают общую основу для журналов аудита, метрик аннотирования и мониторинга заданий. Правила доступа и видимость рабочих процессов позволяют связать каждое изменение данных с человеком или автоматизированным заданием, которое его выполнило.

Архитектура, не привязанная к моделям, и семинары Nebius

Платформа изначально не привязана к конкретным моделям, поэтому команды могут использовать собственные базовые и специализированные модели для эмбеддингов, автоматической разметки, инференса и оценки, не ограничивая себя заранее заданным стеком. В объявлении говорится, что базовые модели общего назначения обучались преимущественно на текстах и визуальных данных из интернета и почти не знакомы с мультимодальными сенсорными данными, которые генерируют физические системы. Кроме того, за пределами нескольких хорошо финансируемых областей, таких как автономное вождение, командам, работающим над ИИ для физических систем, часто приходится сочетать базовые модели со специализированными моделями и собственными обучающими данными.

Раньше, чтобы воспользоваться корпоративными возможностями Voxel51, сначала нужно было обратиться к её команде; с выходом версии 3.0 самостоятельный доступ стал бесплатным на app.voxel51.com, а возможность развернуть платформу на собственной инфраструктуре по-прежнему доступна — для этого нужно связаться с компанией. Voxel51 также сообщила о сотрудничестве с облачной ИИ-компанией Nebius: на практических мероприятиях разработчики запускают в Nebius AI Cloud такие рабочие процессы, как создание эмбеддингов и автоматическая разметка. До ноября 2026 года компании проведут ещё девять семинаров по физическому ИИ в Канаде и США; регистрация уже открыта.