Voxel51 представляє єдину платформу даних 3.0 для команд, що працюють над фізичним ШІ

15 жовтня 2026 року компанія Voxel51 представила Voxel51 3.0 — комплексну мультимодальну платформу даних для фізичного ШІ, яка об’єднує пошук, добір даних, анотування та оцінювання в одній розширюваній системі. Співзасновник і генеральний директор Браян Мур у повідомленні компанії назвав цей випуск «найважливішим на сьогодні», а тепер команди можуть безкоштовно випробувати платформу на власних даних на app.voxel51.com.

У межах цього випуску компанія також перейменувала свій корпоративний продукт: нова назва FiftyOne Enterprise — Voxel51, тоді як FiftyOne і надалі позначає проєкт із відкритим кодом. Мур написав, що компанія роками співпрацювала з командами, які впроваджують ШІ в автономних системах, робототехніці, виробництві та охороні здоров’я, а протягом останніх кількох місяців перебудувала платформу, зосередившись на роботі з даними, яка починається, коли модель виходить за межі прототипу: дослідженні збоїв, доборі навчальних наборів і оцінюванні моделей у реальних умовах.

Мультимодальний пошук і підтримка часових рядів

Voxel51 Search — це постійно діючий гібридний пошуковий індекс, який поєднує семантичний пошук із лексичними запитами та фільтрами для неструктурованого вмісту й структурованих метаданих у мультимодальних наборах даних. Згідно з повідомленням компанії, Search автоматично індексує набори даних і обчислює ембеддинги, тож запити доступні від першого дня; ембеддинги та структуровані поля залишаються придатними для запитів у своєму вихідному форматі, а під час пошуку вони поєднуються. Для векторного пошуку платформа використовує LanceDB, колонкова архітектура якої підтримує векторний пошук поряд зі скалярними індексами та індексами повнотекстового пошуку, відокремлюючи зберігання даних від обчислень.

Команди самостійно керують процесом створення ембеддингів: визначають, які дані обробляти, яку модель і обчислювальні ресурси використовувати та коли генерувати ембеддинги. Інкрементальні оновлення не потребують повторного створення всього набору даних. У цьому випуску також додано повноцінну підтримку мультимодальних даних часових рядів: кілька потоків із датчиків можна відображати на одній часовій шкалі, а ембеддинги на рівні сегментів дають змогу знаходити конкретні моменти в довгих записах, а не представляти цілий епізод одним ембеддингом.

Voxel51 Agent і маркування за допомогою агентів

Voxel51 Agent об’єднує пошук, добір даних, анотування та оцінювання в повторювані робочі процеси, побудовані на понад 45 інструментах MCP, понад 80 операторах і 18 навичках із відкритим кодом. У повідомленні компанії наведено приклади використання: команда робототехніків шукає певні типи поведінки в тисячах епізодів, щоб сформувати цільові навчальні й оцінювальні набори; команда, що працює над системою сприйняття, переходить від виявленої помилки моделі до пошуку схожих рідкісних сценаріїв, нового анотування та повторного оцінювання; під час підготовки анотування випадки з невизначеним результатом передаються на перевірку людям. Agent також може писати код для додавання нових функцій, а всі робочі процеси використовують задані організацією правила керування доступом, безпеки та управління.

У дописі, опублікованому 8 жовтня 2026 року, перед запуском Voxel51 повідомила, що Agent побудовано на основі Model Context Protocol — відкритого стандарту для підключення застосунків ШІ до зовнішніх інструментів. За даними компанії, Agent підключається до понад 100 постачальників моделей, зокрема Anthropic, OpenAI та Google, і доступний у варіантах розгортання в хмарі, у гібридному середовищі, локально, в ізольованих мережах і з керованим обслуговуванням. Компанія повідомила, що порівняльне тестування однакових завдань агента на Claude Sonnet 5, Claude Opus 5, GPT-5.1 і Gemini 3.1 Pro виявило різницю у вартості до 15 разів.

У випуску 3.0 також об’єднано робочі процеси анотування двовимірних, тривимірних, відео- та мультимодальних даних; передбачено автоматизований контроль якості, метрики роботи анотаторів і засоби керування перевіркою за участю людини. Можливість Agentic Labeling використовує моделі «зір-мова» для створення міток за інструкціями та прикладами природною мовою, а робочі процеси перевірки дають змогу підтвердити їхню правильність. Посилаючись на своє опитування State of Physical AI за 2026 рік, компанія повідомила, що найуспішніші команди витрачають на роботу з даними понад половину часу проєкту — майже втричі частіше, ніж команди, які мають труднощі; на діаграмі опитування ці частки становлять 58 відсотків для найуспішніших команд і 21 відсоток для команд, які мають труднощі.

Походження даних на чотирьох рівнях

У Voxel51 3.0 додано відстеження походження даних на чотирьох рівнях, докладно описане в супровідному дописі головного архітектора Річі Марторі від 9 жовтня 2026 року. Журнал дій на рівні розгортання показує, хто виконав дію, коли це сталося і на що вона вплинула в межах розгортання; журнал дій на рівні набору даних відстежує зміни в окремих наборах; історія редагувань на рівні зразків фіксує зміни міток, метаданих та інших властивостей; а версіонування наборів даних зберігає незмінні знімки, щоб команди могли порівнювати попередні стани, відтворювати робочі процеси й визначати точні дані, використані для навчання або оцінювання.

В основі архітектури подій лежать fiftyone-mq для планування завдань і Activity Core для відстеження подій; разом вони забезпечують спільну основу для журналів аудиту, метрик анотування та моніторингу завдань. Правила керування доступом і видимість робочих процесів дають змогу пов’язати кожну зміну даних із людиною або автоматизованим завданням, яке її виконало.

Архітектура, не прив’язана до моделей, і семінари Nebius

Платформу від початку розроблено так, щоб вона не залежала від конкретної моделі: команди можуть використовувати власні базові та предметно-спеціалізовані моделі для створення векторних подань, автоматичного маркування, інференсу й оцінювання, не прив’язуючись до заздалегідь визначеного технологічного стеку. В анонсі зазначено, що базові моделі загального призначення навчалися переважно на текстах і візуальних даних з інтернету, але мали обмежений доступ до втілених мультимодальних сенсорних даних, які генерують фізичні системи. Також зазначено, що поза кількома добре фінансованими галузями, як-от автономне водіння, командам, які працюють із фізичним ШІ, часто доводиться поєднувати базові моделі з предметно-спеціалізованими моделями та власними навчальними даними.

Раніше, щоб ознайомитися з корпоративними можливостями Voxel51, потрібно було спершу звернутися до її команди; у версії 3.0 доступ до платформи в режимі самообслуговування безкоштовний на app.voxel51.com, а розгортання на власній інфраструктурі, як і раніше, доступні за зверненням до компанії. Voxel51 також повідомила про співпрацю з хмарною ШІ-компанією Nebius: на практичних заходах розробники запускають у Nebius AI Cloud такі робочі процеси, як створення векторних подань і автоматичне маркування. До листопада 2026 року дві компанії проводять ще дев’ять майстер-класів із фізичного ШІ в Канаді та Сполучених Штатах; реєстрація відкрита.