Physicl a levé dix millions de dollars en amorçage pour produire des données d’entraînement destinées à l’IA physique. Sa plateforme recrée des situations difficiles en 3D pour permettre aux développeurs de cibler les faiblesses de leurs modèles.
Basée à Paris, Physicl a bouclé ce tour de table mené par Inovia Capital, avec la participation de U.S. Venture Partners. Elle prévoit d’agrandir son équipe et de développer sa plateforme de données synthétiques.
L’outil permet aux chercheurs de recréer les situations qui mettent un modèle d’IA en difficulté, puis de modifier l’éclairage, les angles de caméra et la position des objets. Les développeurs peuvent générer des données d’entraînement ciblées, tester une correction et mesurer si le modèle s’améliore.
Alex de Vigan, fondateur de Physicl, avait auparavant créé Nfinite, qui produisait des visuels de produits en 3D pour les commerçants en ligne. Cette technologie offre un point de départ pour l’entraînement des robots, un domaine où la collecte de données réelles coûte cher et où les conditions physiques restent difficiles à reproduire par simulation.
Selon l’entreprise, SpAItial, une société munichoise qui développe des modèles d’IA 3D et compte parmi ses premiers clients, aurait réduit de plus de moitié le taux d’erreur de son modèle de création de pièces après avoir ajouté les données de Physicl. Pour les concepteurs de solutions d’IA, ce résultat illustre l’apport de données synthétiques ciblées à une tâche précise, sans prouver une efficacité équivalente dans tous les domaines de l’IA physique.
Cette levée finance un fournisseur spécialisé pour les entreprises qui ont besoin de données d’entraînement pour l’IA physique, plutôt que d’images généralistes.
Générer des données autour d’un échec connu pourrait aider les développeurs à cibler les faiblesses à l’entraînement plutôt qu’à collecter de vastes jeux de données.
Le résultat rapporté par SpAItial offre un cas d’usage concret à évaluer, mais ne démontre pas de gains pour d’autres modèles ou tâches.
Rédigé automatiquement par la rédaction de Made in 10 à partir de la source ci-dessus.
Meta déploie Spaces dans Muse pour permettre aux utilisateurs de décrire des outils sur mesure, semblables à des applications, que son assistant IA se charge de créer. Selon Meta, les applications connectées peuvent fournir des mises à jour en arrière-plan pour garder les outils de planification et de suivi à jour sans répéter les demandes.
