Physicl, Fiziksel Yapay Zekânın Uç Durum Sorununu Çözmek İçin 10 Milyon Dolarlık Tohum Yatırımı Aldı

Physicl, 6 Kasım 2026’da Inovia Capital liderliğinde ve US Venture Partners’ın da katılımıyla 10 milyon dolarlık tohum yatırımı aldığını ve fiziksel yapay zekâ için sentetik eğitim verisi üretmeye yönelik ilk uygulaması Studio’yu kullanıma sunduğunu duyurdu.

Yatırım turundan elde edilen kaynak, şirketin Paris ve San Francisco Körfez Bölgesi’ndeki ekibinin yanı sıra Studio’nun arkasındaki platformu finanse edecek. Inovia ortağı Steve Woods, gerçek dünya fiziğini temel alan, ölçeklenebilir ve yüksek kaliteli fiziksel verinin model yeteneklerini gerçek dünya performansına dönüştürmede kritik bir rol oynadığını belirtti.

Physicl; robotların, otonom sistemlerin ve dünya modellerinin gösterimlerin ötesinde güvenilir biçimde çalışıp çalışamayacağını belirleyebilecek nadir koşullara odaklanıyor. Bunlar arasında bir çantanın kısmen gizlediği fincan, tezgâhın üzerinden geçen gölge veya hafifçe hizasından kaymış bir kutu yer alıyor. Bu durumları büyük ölçekte kaydetmek zor; kaydedildikten sonra da belirli koşulları değiştirerek yeniden oluşturmak mümkün değil.

Physicl, fiziksel yapay zekânın dil modellerinin dayandığı internet metinleri ya da görüntü modellerinin arkasındaki milyarlarca açıklamalı fotoğrafla karşılaştırılabilecek bir eğitim külliyatından yoksun olduğunu savunuyor. Bu eksiklik, ekiplerin kullanıma geçişi engelleyebilecek arızalara ilişkin örneklerden mahrum kalmasına yol açıyor.

Kurucu ve CEO Alex de Vigan, büyük perakendeciler için kütüphaneler ve varyasyon yazılımları geliştirmek de dâhil olmak üzere, nesneleri ve mekânları 3B olarak dijitalleştirme alanında on yıl çalıştı. Ardından robotik, dünya modeli ve bilgisayarlı görü ekipleri, modellerinin başa çıkamadığı durumların tam olarak etiketlenmiş sürümlerini binlerce örnek içeren miktarlarda talep etmeye başladı. Bu talep, Physicl’in sentetik veri platformunun temelini oluşturdu.

Physicl’in 3B, simülasyon ve makine öğrenimi alanlarında yaklaşık 30 ekip üyesi bulunuyor; şirketin New York, San Francisco ve Paris’te ofisleri var. Ekip üyelerinin çoğu, de Vigan şirketi kurmadan önce onunla birlikte 3B üretim sistemleri geliştirmek için altı yıl çalıştı.

Studio, Kontrollü Uç Durumlar Üretiyor

Yatırım haberinin yanı sıra yayımlanan bir ürün duyurusu, dört adımlı bir iş akışını açıklıyor. Araştırmacı, bir arızayı günlük dille tarif ediyor; Studio buna uygun bir sahne ve varyasyonlar öneriyor; araştırmacı aralıkları ayarlayıp kamera yolu gibi koşulları sabitliyor; sistem de her karenin arkasındaki koşulları kaydederek sonucu işliyor ve dışa aktarıyor.

Studio, gerçek 3B geometri ve bilinen malzemeler temel alınarak oluşturulmuş 10.000 ortam ve 100.000 temel varlıktan oluşan bir kütüphaneden yararlanıyor. Işıklandırma, günün saati, dağınıklık, nesneler, malzemeler, kamera yüksekliği ve kamera yolu ayrı ayrı ya da birlikte değiştirilebiliyor. Böylece klipler arasında yalnızca seçilen koşulların farklı olduğu kontrollü karşılaştırmalar yapılabiliyor.

Derinlik, yüzey normalleri, örnek ve sınıf segmentasyonu ile iki boyutlu kutular; işlenmiş görüntüden tahmin edilmek ya da etiketleyiciler tarafından çizilmek yerine, görüntüyü oluşturan aynı 3B sahneden elde ediliyor. Dışa aktarımlar, kare başına kamera konumu ve ışıklandırma, yerleşim ve nesnelere ilişkin sahne üst verileriyle birlikte, 1920 × 1080’e kadar çözünürlükte RGB görüntüler veya videolar içeriyor.

Beta Erişimi ve İlk Sonuç

Studio beta aşamasında ve bu süre boyunca ücretsiz. Erişim, bilgisayarlı görü, dünya modeli ve robotik modelleri geliştiren laboratuvarlara, üniversitelere ve şirketlere aşamalı olarak açılıyor. Gerçek dünya verileri bu yaklaşım için önemini koruyor: Studio, gerçek dünyada tekrar tekrar ve büyük ölçekte elde edilemeyen nadir durumlarla bu verileri tamamlamak üzere tasarlandı. Her gün yeni sahneler ekleniyor; Physicl, araştırmacılardan gelen geri bildirimler doğrultusunda kontrolleri, gerçek referans katmanlarını ve dışa aktarma biçimlerini geliştirmeyi planlıyor.

Physicl, dünya modeli şirketi SpAItial’ın Physicl verileriyle eğitim aldıktan sonra gerçek odalardaki yeniden yapılandırma hatasını yarıdan fazla azalttığını bildirdi. Değerlendirmeyi TUM’daki Matthias Niessner’ın ekibi gerçekleştirdi. Niessner, SpAItial’ın CEO’su ve TUM’da profesördür; ayrıca Physicl danışmanı olarak listelenmektedir.

Studio’nun beta sürümü, Physicl’in temel iddiasını daha geniş ölçekte sınamaya açıyor: Tekrarlanabilir ve tam olarak etiketlenmiş sentetik uç durumlar, fiziksel ortamlarda kullanıma geçişi mümkün kılacak ölçüde modelleri güvenilir biçimde iyileştirebilir mi?