Physicl, la nueva empresa de Alex de Vigan, levantó 10 millones de dólares en una ronda semilla liderada por Inovia Capital, informó TechCrunch el 6 de noviembre. El objetivo es ayudar a quienes diseñan modelos de mundo y a los fabricantes de robots a resolver problemas difíciles de entrenamiento con simulaciones más realistas.

El negocio anterior de De Vigan quedó sepultado por el auge de la IA generativa. Ahora apuesta a que la tecnología que había construido su equipo, una plataforma para crear renders atractivos de productos para comercio electrónico, puede reutilizarse para hacer más útiles a los robots.

De renders de productos a robots

De Vigan, fundador y CEO, pasó la última década construyendo nfinite, una empresa que permitía a marcas y comercios crear modelos 3D de sus productos y mostrarlos en línea. La llegada de los modelos de IA basados en transformers llevó a esa empresa a concentrarse en imágenes generativas, pero De Vigan vio un nuevo uso para su equipo y para la tecnología que habían armado para renderizar entornos 3D con fidelidad.

"Lo que hacíamos de forma súper única en 3D, la IA lo iba a reemplazar, pero a la IA le faltaba algo, su capacidad de entender, interactuar y manipular el espacio y los objetos", dijo De Vigan.

Los investigadores que desarrollan modelos de IA física para que los robots manejen, por ejemplo, objetos pequeños y variados, se han frustrado con lo poco que rinde entrenarlos con video y con lo caro que es reunir datos mediante teleoperación.

Las simulaciones en mundos digitales se ven como una solución prometedora, pero lograr que esos mundos respeten la física real ha resultado difícil. De Vigan cree que el flujo que construyó su empresa anterior para "transformar información del mundo real no estructurada, incompleta y heterogénea en una representación física de alta fidelidad... con geometría, materiales y física correctos" puede usarse ahora para que los modelos de IA física funcionen mejor.

¿Qué ofrece Studio?

Physicl entra a una categoría llena de startups que compiten por entregar datos y herramientas a quienes construyen modelos fundacionales y a quienes operan robots. "El espacio es muy joven y a veces muy difuso", admitió De Vigan. Hay varias empresas que recolectan, etiquetan o generan datos de distintos tipos mientras sus clientes buscan la receta que haga que los robots cumplan lo que prometen.

Physicl quiere enfocarse en el post entrenamiento de modelos en casos borde difíciles. La startup lanza un producto llamado Studio, con 10.000 entornos 3D y 100.000 objetos de distinto tipo. Permite armar escenas para generar datos sintéticos con los que entrenar robots en problemas específicos. Por ejemplo, Studio podría generar datos para un robot que tiene problemas para distinguir una taza en un mesón desordenado, o cuando la taza está en sombra.

SpAItial, que construye modelos de mundo, colaboró con Physicl como cliente temprano para mejorar la fidelidad de sus productos, el último de los cuales, Echo-3, salió la semana pasada. La herramienta de SpAItial genera simulaciones 3D a partir de imágenes 2D, y para hacerlo bien, según su CEO y fundador Matthias Niessner, necesitaban entrenar con datos sintéticos de alta fidelidad como los que ofrece Physicl.

Más que un proveedor de datos

Physicl quiere ser más que un proveedor de datos y se ve como la herramienta para generar datos sintéticos de forma continua. "Lo que creamos hace 10 años, sin saberlo, era básicamente un flujo agéntico para transformar información no estructurada en 3D de alta fidelidad", dijo De Vigan. Imagina clientes que lleguen con billones de imágenes o millones de horas de capturas LIDAR para cargarlas en su plataforma, convertirlas en representaciones 3D de alta calidad y generar miles de millones de variantes para entrenar sus modelos.

"El verdadero desafío es que tienes que curar los datos a mano, y es un ciclo muy largo", dijo a TechCrunch Niessner, que además es profesor de robótica en la Universidad Técnica de Múnich. "Lo que nos parece muy atractivo es que puedes hacer esto sobre la marcha [...] Estás corriendo Claude, y revisa 'Oh, necesito más datos de esto en mi entrenamiento', y entonces genera automáticamente esos datos, según el estado del entrenamiento. Eso, para mí, es súper emocionante, y es exactamente lo que ofrece Physicl".