Voxel51 presenterar en enhetlig dataplattform 3.0 för team som arbetar med fysisk AI

Den 15 oktober 2026 presenterade Voxel51 Voxel51 3.0, en heltäckande multimodal dataplattform för fysisk AI som samlar sökning, kurering, annotering och utvärdering i ett enda utbyggbart system. Medgrundaren och vd:n Brian Moore kallade den i företagets tillkännagivande för företagets ”hittills viktigaste lansering”, och team kan nu prova plattformen kostnadsfritt med sina egna data på app.voxel51.com.

Lanseringen innebär också att företaget byter namn på sin företagsprodukt: Voxel51 är det nya namnet på FiftyOne Enterprise, medan FiftyOne även fortsättningsvis syftar på projektet med öppen källkod. Moore skrev att företaget i flera år har samarbetat med team som använder AI i autonoma system, robotteknik, tillverkning och hälso- och sjukvård, och att plattformen byggdes om under de senaste månaderna med utgångspunkt i det dataarbete som börjar när en modell går vidare från prototypstadiet: att undersöka fel, kurera träningsdatauppsättningar och utvärdera modeller i verkliga scenarier.

Stöd för multimodal sökning och tidsserier

Voxel51 Search är ett beständigt hybridindex för sökning som kombinerar semantisk hämtning med lexikala sökningar och filter för ostrukturerat innehåll och strukturerade metadata i multimodala datauppsättningar. Enligt tillkännagivandet indexerar Search automatiskt datauppsättningar och beräknar inbäddningar, så att sökningar är tillgängliga redan från dag ett. Inbäddningar och strukturerade fält förblir sökbara i sitt ursprungliga format och kombineras vid hämtning. För vektorhämtning använder plattformen LanceDB, vars kolumnorienterade arkitektur stöder vektorsökning tillsammans med skalära index och fulltextindex, samtidigt som lagring och beräkning hålls åtskilda.

Team styr själva inbäddningspipelinen, bland annat vilka data som bäddas in, vilken modell och beräkningsresurs som används samt när inbäddningarna skapas. Inkrementella uppdateringar gör det möjligt att slippa bygga om hela datauppsättningen. Lanseringen tillför förstklassigt stöd för multimodala tidsseriedata: flera sensorflöden kan visas på samma tidslinje, och inbäddningar på segmentnivå gör det möjligt för team att hitta specifika ögonblick i långa inspelningar i stället för att representera ett helt avsnitt med en enda inbäddning.

Voxel51 Agent och Agentic Labeling

Voxel51 Agent länkar samman sökning, kurering, annotering och utvärdering i repeterbara arbetsflöden som bygger på fler än 45 MCP-verktyg, fler än 80 operatorer och 18 färdigheter med öppen källkod. I tillkännagivandet beskrivs flera exempel på användning: ett robotteam söker efter specifika beteenden i tusentals avsnitt för att kurera riktade tränings- och utvärderingsdatauppsättningar; ett perceptionsteam går från ett modelfel till liknande långsvansscenarier, ny annotering och en ny utvärdering; och förberedelser inför annotering leder osäkra fall vidare till mänskliga granskare. Agenten kan också skriva kod för att lägga till nya funktioner, och alla arbetsflöden omfattas av organisationens behörighets-, säkerhets- och styrningsregler.

I ett inlägg publicerat den 8 oktober 2026, inför lanseringen, uppgav Voxel51 att Agent bygger på Model Context Protocol, en öppen standard för att koppla AI-applikationer till externa verktyg, och att den ansluter till fler än 100 modellleverantörer, däribland Anthropic, OpenAI och Google. Den finns tillgänglig för molninstallation, hybridinstallation, lokal installation, installation i isolerade nätverk och hanterad driftsättning. Företaget uppgav att jämförelser av samma agentuppgifter med Claude Sonnet 5, Claude Opus 5, GPT-5.1 och Gemini 3.1 Pro visade kostnadsskillnader på upp till 15 gånger.

Version 3.0 samlar dessutom annoteringsarbetsflöden för 2D, 3D, video och multimodala data, med automatiserad kvalitetssäkring, mätvärden för annotatörer och verktyg för att hantera granskning med mänsklig medverkan. Funktionen Agentic Labeling använder syn- och språkmodeller för att generera etiketter utifrån instruktioner och exempel på naturligt språk, med granskningsflöden för att validera resultaten. Med hänvisning till sin undersökning State of Physical AI 2026 uppgav företaget att framstående team lägger mer än hälften av sin projekttid på dataarbete, i en takt som är nästan tre gånger högre än hos team som har svårt att nå resultat. I undersökningens diagram anges andelarna till 58 procent för framstående team och 21 procent för team som har svårt att nå resultat.

Dataproveniens på fyra nivåer

Voxel51 3.0 tillför dataproveniens på fyra nivåer, som Chief Architect Ritchie Martori beskriver närmare i ett kompletterande inlägg den 9 oktober 2026. En aktivitetslogg på driftsättningsnivå visar vem som utförde en åtgärd, när den utfördes och vad den påverkade i en driftsättning. En aktivitetslogg på datauppsättningsnivå spårar ändringar i enskilda datauppsättningar. På samplingsnivå visar redigeringshistoriken ändringar av etiketter, metadata och andra egenskaper. Versionshantering av datauppsättningar sparar oföränderliga ögonblicksbilder, så att team kan jämföra tidigare tillstånd, återskapa arbetsflöden och identifiera exakt vilka data som användes för träning eller utvärdering.

Den underliggande händelsearkitekturen använder fiftyone-mq för schemaläggning av jobb och Activity Core för händelsespårning, vilket ger en gemensam grund för granskningsloggar, annoteringsmätvärden och jobbövervakning. Behörigheter och insyn i arbetsflöden kopplar varje dataändring till den person eller det automatiserade jobb som utförde den.

Modellagnostisk design och workshops med Nebius

Plattformen är utformad för att vara modelloberoende, så team kan använda egna grundmodeller och domänspecifika modeller för inbäddningar, automatisk märkning, inferens och utvärdering utan att vara låsta till en förutbestämd teknikstack. I tillkännagivandet står det att modeller för allmänna ändamål främst har tränats på text och visuella data från internet, med begränsad exponering för de förkroppsligade multimodala sensordata som fysiska system genererar. Det står också att team som arbetar med fysisk AI, utanför ett fåtal välfinansierade områden som autonom körning, ofta behöver kombinera grundmodeller med domänspecifika modeller och egna träningsdata.

Tidigare behövde man först prata med Voxel51:s team för att få tillgång till företagets funktioner; med version 3.0 är självbetjäning kostnadsfri på app.voxel51.com, och det går fortfarande att få lösningar som driftas på egna servrar genom att kontakta företaget. Voxel51 uppgav också att företaget samarbetar med AI-molnföretaget Nebius, och att utvecklare kör arbetsflöden som inbäddningar och automatisk märkning på Nebius AI Cloud vid praktiska evenemang. Företagen anordnar ytterligare nio workshoppar om fysisk AI i Kanada och USA fram till och med november 2026, och anmälan är öppen.