Startup Antioch, założony przez weteranów z Google i Meta, zebrał 8,5 mln dolarów. Firma chce zlikwidować barierę między symulacją a rzeczywistością dla robotów.
W skrócie:
- Startup Antioch pozyskał 8,5 mln dolarów w rundzie zalążkowej przy wycenie 60 mln dolarów. Inwestycji przewodziły fundusze A* oraz Category Ventures.
- Firma tworzy zaawansowane symulacje, które mają umożliwić trenowanie robotów w wirtualnych światach, zanim trafią one do fizycznych zastosowań, np. w magazynach.
- Założycielami są weterani z branży, w tym byli pracownicy Google DeepMind i Meta Reality Labs, co przyciągnęło uwagę inwestorów z Doliny Krzemowej.
Obietnica fizycznej AI jest prosta – inżynierowie będą mogli programować maszyny tak samo, jak robią to z cyfrowymi aplikacjami. Problem w tym, że wciąż jesteśmy daleko od tego celu. Robotyka zmaga się z fundamentalnym problemem: chronicznym brakiem danych z realnego świata. Aby nauczyć swoje maszyny, firmy budują makiety magazynów lub zatrudniają ludzi, którzy monitorują linie produkcyjne. Wszystko po to, by modele głębokiego uczenia miały z czego czerpać wiedzę. To droga, powolna i piekielnie nieefektywna ścieżka. Ale jest alternatywa.
Dlaczego roboty wciąż grzęzną w świecie realnym?
Tą alternatywą jest symulacja. Stworzenie szczegółowych, wirtualnych replik rzeczywistych środowisk mogłoby dostarczyć robotykom danych i przestrzeni roboczej, których potrzebują do skalowalnej pracy. Tu na scenę wkracza Antioch, nowojorski startup, który chce zasypać to, co branża nazywa “sim-to-real gap” – przepaść między symulacją a rzeczywistością. Wyzwanie polega na tym, by wirtualne światy stały się na tyle realistyczne, aby roboty trenowane wewnątrz nich mogły niezawodnie działać w fizycznym świecie. To nie jest gra komputerowa. Tu stawką jest bezpieczeństwo i efektywność maszyn wartych miliony.
Harry Mellsop, współzałożyciel Antioch, stawia sprawę jasno: “Jak możemy najlepiej zredukować tę lukę, aby symulacja sprawiała wrażenie prawdziwego świata z perspektywy autonomicznego systemu?” – pyta retorycznie. Aby to osiągnąć, firma właśnie pozyskała 8,5 miliona dolarów w rundzie zalążkowej, która wycenia ją na 60 milionów. Rundzie przewodziły fundusze A* i Category Ventures, a dołączyły do nich MaC Venture Capital, Abstract, Box Group i Icehouse Ventures. To potężny zastrzyk zaufania dla zespołu, w skład którego wchodzą byli pracownicy Google DeepMind i Meta Reality Labs.
Jak działa „Matrix” dla maszyn od Antioch?
Potrzeba lepszej symulacji leży u podstaw strategii wielu gigantów. Waymo, lider w dziedzinie autonomicznych pojazdów, używa modelu świata od Google DeepMind do testowania i oceny swoich algorytmów. Teoretycznie taka technika sprawi, że wdrażanie pojazdów w nowych miastach będzie wymagało zbierania mniejszej ilości danych – a to właśnie dane są kluczowym kosztem w skalowaniu tej technologii. Antioch chce dać podobne narzędzia mniejszym firmom, które nie mają kapitału, by samodzielnie zbudować takie systemy lub przejechać miliony testowych kilometrów.
Platforma Antioch pozwala twórcom robotów na uruchamianie wielu cyfrowych instancji ich sprzętu i podłączanie ich do symulowanych czujników. Te naśladują dane, które oprogramowanie robota otrzymałoby w realnym świecie. Deweloperzy mogą w ten sposób testować skrajne przypadki, przeprowadzać uczenie przez wzmacnianie czy generować nowe dane treningowe. “To, co stało się z inżynierią oprogramowania i LLM-ami, dopiero zaczyna się dziać w fizycznej AI” – komentuje Çağla Kaymaz, partner w Category Ventures. – “W świecie cyfrowym ryzyko jest ograniczone. W świecie fizycznym stawka jest znacznie wyższa”.
Czy to początek ery „SaaS” dla robotyki?
Adrian Macneil, anioł biznesu inwestujący w Antioch i założyciel Foxglove, ma solidne rozeznanie w tej przestrzeni. Wcześniej, jako dyrektor w Cruise, budował infrastrukturę danych dla autonomicznych pojazdów. Jego zdaniem bez symulacji nie da się pójść naprzód. “Symulacja jest naprawdę ważna, gdy próbujesz zbudować uzasadnienie bezpieczeństwa lub masz do czynienia z zadaniami o bardzo wysokiej dokładności” – stwierdził. – “Nie da się przejechać wystarczającej liczby mil w realnym świecie”. Macneil widzi przyszłość, w której narzędzia napędzające rewolucję SaaS – takie jak GitHub, Stripe czy Twilio – pojawią się, by wspierać fizyczną AI.
Potencjał tej technologii już jest testowany w praktyce. David Mayo, badacz z MIT, używa platformy Antioch do oceny modeli językowych. W jednym z eksperymentów modele AI projektują roboty, a następnie testują je w symulatorze. Mogą nawet stawiać je przeciwko sobie w zawodach, np. w przepychaniu rywala z platformy. Zanim jednak nadejdzie era inżynierów AI programujących fizyczne roboty, trzeba zamknąć wspomnianą lukę. Jeśli to się uda, deweloperzy będą mogli stworzyć samonapędzający się mechanizm danych (tzw. data flywheel), który dziś jest kluczem do sukcesu liderów pokroju Waymo. Inne firmy, jeśli chcą powtórzyć ten sukces, będą musiały zbudować te narzędzia same. Albo je kupić.