Парижская Physicl привлекла финансирование в раунде под руководством Inovia Capital при участии U.S. Venture Partners. Компания планирует расширить команду и развивать свою платформу синтетических данных.
Инструмент позволяет исследователям воссоздавать ситуации, с которыми ИИ-модель справляется плохо, а затем менять освещение, ракурсы камер и расположение объектов. Разработчики могут генерировать данные для обучения под конкретную проблему, проверять исправления и измерять, улучшилась ли работа модели.
Основатель Physicl Алекс де Виган ранее создал Nfinite, которая делала 3D-изображения товаров для интернет-магазинов. Эта технология даёт основу для обучения роботов: сбор данных в реальном мире обходится дорого, а воспроизводить физические условия в симуляциях по-прежнему сложно.
По данным компании, один из первых клиентов Physicl — мюнхенская SpAItial, разрабатывающая 3D-модели ИИ, — после добавления данных Physicl снизил частоту ошибок своей модели построения комнат более чем вдвое. Для разработчиков это пример того, как целевые синтетические данные улучшают выполнение конкретной задачи, а не доказательство того, что они одинаково хорошо работают во всех направлениях физического ИИ.