Physicl залучила $10 млн посівних інвестицій, щоб розв’язати проблему крайових випадків у фізичному ШІ

Physicl оголосила 6 листопада 2026 року про залучення $10 млн посівних інвестицій на чолі з Inovia Capital за участю US Venture Partners, а також про запуск Studio — свого першого застосунку для генерування синтетичних навчальних даних для фізичного ШІ.

Залучені кошти спрямують на фінансування команди компанії в Парижі та районі затоки Сан-Франциско, а також платформи, що лежить в основі Studio. Партнер Inovia Стів Вудс назвав масштабовані високоякісні фізичні дані Physicl, засновані на реальних фізичних законах, важливою складовою перетворення можливостей моделей на результати в реальному світі.

Physicl зосереджується на рідкісних ситуаціях, які можуть визначати, чи надійно працюватимуть роботи, автономні системи й моделі світу поза демонстраціями. Серед таких випадків — чашка, частково прихована пакетом, тінь, що перетинає стільницю, або коробка, складена з невеликим зміщенням. Такі ситуації складно фіксувати у великій кількості, а після запису їх неможливо відтворити, змінюючи вибрані умови.

Physicl стверджує, що фізичному ШІ бракує навчального корпусу, порівнянного з інтернет-текстами, на яких навчаються мовні моделі, або мільярдами фотографій із підписами, на яких навчаються моделі для роботи із зображеннями. Через це командам не вистачає прикладів збоїв, які можуть перешкоджати впровадженню.

Засновник і генеральний директор Алекс де Віган уже десять років займається оцифруванням об’єктів і приміщень у 3D, зокрема створює бібліотеки й програмне забезпечення для варіювання моделей для великих роздрібних мереж. Згодом команди, що працюють у сферах робототехніки, моделей світу й комп’ютерного зору, почали замовляти точно розмічені версії ситуацій, із якими не могли впоратися їхні моделі, — тисячами. Цей попит став основою платформи Physicl для створення синтетичних даних.

У Physicl близько 30 співробітників, які працюють у сферах 3D, моделювання й машинного навчання; офіси компанії розташовані в Нью-Йорку, Сан-Франциско та Парижі. Більшість із них шість років створювали системи 3D-виробництва разом із де Віганом, перш ніж він заснував компанію.

Studio генерує контрольовані крайові випадки

В оголошенні про продукт, опублікованому разом із новиною про залучення інвестицій, описано робочий процес із чотирьох етапів. Дослідник описує збій звичайними словами; Studio пропонує відповідну сцену та її варіанти; дослідник коригує діапазони параметрів і фіксує умови, як-от траєкторію камери; система відтворює й експортує результат, записуючи умови для кожного кадру.

Studio використовує бібліотеку з 10 000 середовищ і 100 000 базових ресурсів, створених на основі реальної 3D-геометрії та відомих матеріалів. Освітлення, час доби, безлад, об’єкти, матеріали, висоту камери й траєкторію камери можна змінювати окремо або разом. Це дає змогу проводити контрольовані порівняння, у яких між відеофрагментами відрізняються лише вибрані умови.

Дані про глибину, нормалі поверхонь, сегментацію за екземплярами й класами та двовимірні рамки формуються на основі тієї самої 3D-сцени, що й зображення, а не визначаються за відтвореним зображенням і не створюються розмітниками вручну. Експортовані дані містять зображення RGB або відео з роздільною здатністю до 1920 × 1080, а також позу камери для кожного кадру й метадані сцени про освітлення, компонування та об’єкти.

Доступ до бета-версії та перші результати

Під час бета-тестування Studio буде безплатною, а доступ до неї відкриватимуть поступово для лабораторій, університетів і компаній, що розробляють моделі комп’ютерного зору, моделі світу й робототехніки. Реальні дані залишаються невіддільною частиною цього підходу: Studio покликана доповнювати їх рідкісними випадками, які неможливо знову й знову фіксувати в реальному світі у великих обсягах. Нові сцени додають щодня, а Physicl планує вдосконалювати засоби керування, шари еталонної розмітки й формати експорту, спираючись на відгуки дослідників, які користуються продуктом.

За повідомленням Physicl, компанія SpAItial, що розробляє моделі світу, більш ніж удвічі зменшила похибку реконструкції реальних приміщень після навчання на даних Physicl. Оцінювання провела команда Маттіаса Нісснера з TUM. Нісснер є генеральним директором SpAItial і професором TUM, а також зазначений як радник Physicl.

Бета-версія Studio дає змогу ширше перевірити гіпотезу Physicl: чи здатні відтворювані синтетичні крайові випадки з точною розміткою достатньо надійно покращити моделі, щоб їх можна було впроваджувати у фізичному середовищі.