Привет, на связи Юлия Рогозина, бизнес-аналитик Шерпа Роботикс. Сегодня я перевела для вас статью, посвященную стартапу, который создал платформу для 3D-генерации данных без команды 3D-специалистов. Приглашаю ознакомиться с возможной идеей для бизнеса, ведь основным рынком компания считает США, но в России есть точно такие же потребности.
Для многих компаний, разрабатывающих ИИ-модели с применением в реальном мире, данные представляют собой как отличную возможность, так и самую большую преграду. Качественно размеченные и чистые реальные данные — это настоящий дефицит, а затраты времени и усилий на сбор и очистку таких данных могут быть колоссальными.
Платформа Bifrost, специализирующаяся на генерации 3D-данных, уверена, что её технологии помогут робототехническим и промышленным компаниям решить хотя бы одну часть этой проблемы — время, необходимое для обучения ИИ-моделей. Стартап, базирующийся в Сан-Франциско, утверждает, что его платформа позволяет компаниям создавать смоделированные 3D-миры, которые помогают обучать ИИ и позволяют роботам адаптироваться к новым объектам, задачам и окружающей среде за несколько часов вместо месяцев.
Недавно компания сообщила, что привлекла $8 миллионов в рамках раунда Series A, возглавляемого Carbide Ventures.
«Большинство наших клиентов нуждаются в огромных объёмах реальных данных для обучения ИИ-моделей», — сказал соучредитель и генеральный директор Charles Wong в эксклюзивном интервью для TechCrunch. «Это часто означает, что им приходится разворачивать роботов на сотнях объектов, собирать миллионы часов видеоматериалов, вручную размечать данные и проводить строгие проверки качества, чтобы уменьшить человеческие ошибки и предвзятость. Такой подход не прост. Он стоит миллионы, занимает годы и практически невозможен для масштабирования».
Wong основал компанию вместе с Aravind Kandiah в 2020 году. Ранее он работал над моделями ИИ для восприятия в беспилотных автомобилях в компании NuTonomy, MIT-стартапе, занимающемся разработкой самоуправляемых автомобилей и автономных мобильных роботов. В свою очередь, Kandiah до этого создал медицинскую систему ИИ для выявления ранних признаков слепоты и диабетической ретинопатии.
«Прошло не много времени, прежде чем мы осознали одну важную вещь: ИИ и робототехника нуждаются в огромных объёмах качественных данных для нормальной работы. И эти данные критичны», — сказал Kandiah в интервью. «Они могут либо стать решающим фактором в эффективности этих систем, либо привести к их провалу. Поэтому мы объединились и основали Bifrost с одной целью: решить проблему данных, чтобы ИИ и робототехника могли в полной мере справляться с комплексными задачами реального мира».
Bifrost утверждает, что отличается от своих конкурентов тем, что её платформа не требует наличия команды специалистов по созданию 3D-симуляций для генерации данных. Это, по словам Wong, даёт разработчикам ИИ серьёзное преимущество, позволяя им разрабатывать системы ИИ для таких задач, как патрулирование спорных водных территорий с помощью автономных катеров, без необходимости нанимать команду для создания 3D-моделей.
Инструменты Nvidia Omniverse, в отличие от платформы Bifrost, требуют наличия целой команды 3D-специалистов для их работы, отмечает Кандиа, добавляя, что Bifrost позволяет инженерам в разных тяжелых отраслях обучать ИИ новым навыкам и достигать больших результатов гораздо быстрее.
Продукт Bifrost в настоящее время находится на закрытом бета-тестировании с несколькими партнерами из тяжелой промышленности. Стартап использует недавно полученные средства для подготовки к публичному запуску платформы в ближайшие месяцы, а также для расширения команды с целью ускорения разработки продукта.
По словам Вонга, основной рынок компании — США, но в последнее время наблюдается рост интереса и в Японии благодаря значительному масштабу её промышленного сектора. Стартап зарабатывает через модель годовой подписки.
Основными пользователями платформы являются разработчики ИИ, специализирующиеся на создании систем для робототехники, компьютерного зрения и моделей восприятия для таких отраслей, как робототехника, аэрокосмическая промышленность, оборона, морской транспорт, геопространственные технологии и промышленная автоматизация. Целевые клиенты — крупные промышленные компании, государственные организации и стартапы на стадии роста и поздних этапах, которые имеют команды, работающие над разработкой физических решений с использованием ИИ в своих областях.
«Мы ориентируемся на критически важные приложения в тяжелой промышленности, но к 2025 году мы планируем расширить доступность платформы. В дальнейшем наша цель — поддержка широкого спектра коммерческих применений в робототехнике, особенно в условиях быстрого роста и появления новых приложений роботов в практически каждой крупной отрасли», — сказал Кандиа.
Серия A позволяет Bifrost собрать $13,7 миллионов. В раунде также приняли участие Airbus Ventures, Peak XV’s Surge, Wavemaker Partners, MD One и Techstars.
В компании работают 22 человека в США и Сингапуре.
Как вам такая идея? А вы кода-нибудь сталкивались с подобными задачами при обучении моделей ИИ?
Автор: juliasherparpa
