Για να κατασκευάσετε τις αυτόνομες μηχανές του μέλλοντος, μερικές φορές το μοντέλο σας χρειάζεται ένα μοντέλο.
Οι εταιρείες που αναπτύσσουν αυτοοδηγούμενα αυτοκίνητα, ρομπότ που χειρίζονται το φυσικό περιβάλλον ή εξοπλισμό αυτόνομης κατασκευής συλλέγουν χιλιάδες, αν όχι εκατομμύρια, ώρες δεδομένων βίντεο για αξιολόγηση και εκπαίδευση.
Η οργάνωση και η καταλογογράφηση αυτού του βίντεο είναι πλέον δουλειά για τους ανθρώπους, οι οποίοι πρέπει να τα παρακολουθήσουν όλα. Ακόμα και γρήγορη προώθηση, αυτό δεν κλιμακώνεται. Nomadic AIμια startup που ιδρύθηκε από τον CEO Mustafa Bal και τον CTO Varun Krishnan, θέλει να λύσει προβλήματα για πελάτες που έχουν το 95% των δεδομένων του στόλου τους σε αρχεία.
Η πρόκληση γίνεται δυσκολότερη όταν ψάχνετε για περιστατικά αιχμής – τα πιο πολύτιμα δεδομένα απεικονίζουν γεγονότα που σπάνια συμβαίνουν και μπορούν να μπερδέψουν άπειρα φυσικά μοντέλα τεχνητής νοημοσύνης.
Η Nomadic εργάζεται για να λύσει αυτό το πρόβλημα με μια πλατφόρμα που μετατρέπει το υλικό σε ένα δομημένο σύνολο δεδομένων με δυνατότητα αναζήτησης μέσω μιας συλλογής μοντέλων γλώσσας όρασης. Αυτό, με τη σειρά του, επιτρέπει την καλύτερη παρακολούθηση του στόλου και τη δημιουργία μοναδικών συνόλων δεδομένων για ενισχυτική μάθηση και ταχύτερη επανάληψη.
Η εταιρεία ανακοίνωσε έναν κύκλο σποράς 8,4 εκατομμυρίων δολαρίων την Τρίτη σε αποτίμηση 50 εκατομμυρίων δολαρίων μετά το χρήμα. Ο γύρος ηγήθηκε από την TQ Ventures, με τη συμμετοχή των Pear VC και Jeff Dean, και θα επιτρέψει στην εταιρεία να ενσωματώσει περισσότερους πελάτες και να συνεχίσει να βελτιώνει την πλατφόρμα της. Νομαδικός επίσης κέρδισε το πρώτο βραβείο στο Pitch Contest της Nvidia GTC τον περασμένο μήνα.
Οι δύο ιδρυτές, που συναντήθηκαν ως προπτυχιακοί επιστήμες υπολογιστών του Χάρβαρντ, «συνέχισαν να αντιμετωπίζουν τις ίδιες τεχνικές προκλήσεις ξανά και ξανά στις δουλειές μας» σε εταιρείες όπως η Lyft και η Snowflake, είπε ο Bal στο TechCrunch.
Εκδήλωση Techcrunch
Σαν Φρανσίσκο, Καλιφόρνια
|
13-15 Οκτωβρίου 2026
«Παρέχουμε στους ανθρώπους πληροφορίες για τα δικά τους πλάνα, ό,τι κι αν οδηγεί τα δικά τους AV [and] ρομπότ», είπε. «Αυτό είναι που προωθεί αυτούς τους κατασκευαστές αυτόνομων συστημάτων, όχι τυχαία δεδομένα».
Φανταστείτε, για παράδειγμα, να προσπαθείτε να βελτιστοποιήσετε την κατανόηση ενός AV ότι μπορεί να ανάψει κόκκινο φανάρι εάν τον κατευθύνει ένας αστυνομικός ή να απομονώνετε κάθε φορά που τα οχήματα κινούνται κάτω από έναν συγκεκριμένο τύπο γέφυρας. Η πλατφόρμα του Nomadic επιτρέπει τον εντοπισμό αυτών των περιστατικών τόσο για λόγους συμμόρφωσης όσο και απευθείας τροφοδοσίας στους αγωγούς εκπαίδευσης.
Πελάτες όπως οι Zoox, Mitsubishi Electric, Natix Network και Zendar χρησιμοποιούν ήδη την πλατφόρμα για την ανάπτυξη έξυπνων μηχανών. Ο Antonio Puglielli, Αντιπρόεδρος Μηχανικής στη Zendar, είπε ότι το εργαλείο της Nomadic επέτρεψε στην εταιρεία να κλιμακώσει τη δουλειά της πολύ πιο γρήγορα από την εναλλακτική της εξωτερικής ανάθεσης και ότι η τεχνογνωσία της στον τομέα την έκανε να ξεχωρίζει από άλλους ανταγωνιστές.
Αυτό το είδος εργαλείου αυτόματου σχολιασμού που βασίζεται σε μοντέλα αναδύεται ως βασική ροή εργασίας για τη φυσική τεχνητή νοημοσύνη. Καθιερωμένες εταιρείες ετικετών δεδομένων όπως η Scale, η Kognic και η Encord αναπτύσσουν εργαλεία τεχνητής νοημοσύνης για να κάνουν αυτό το έργο, ενώ η Nvidia έχει κυκλοφορήσει μια οικογένεια μοντέλων ανοιχτού κώδικα, Αλπαμάγιοπου μπορεί να προσαρμοστεί για την αντιμετώπιση του προβλήματος.
Ο Varun υποστηρίζει ότι το εργαλείο της εταιρείας του είναι κάτι περισσότερο από έναν ετικετοποιητή. είναι ένα «πρακτορικό σύστημα συλλογιστικής: περιγράφεις τι χρειάζεται και καταλαβαίνει πώς να το βρει», χρησιμοποιώντας πολλαπλά μοντέλα για να κατανοήσει τη δράση που λαμβάνει χώρα και να την βάλει στο πλαίσιο. Οι υποστηρικτές του Nomadic αναμένουν ότι η εστίαση της startup σε αυτή τη συγκεκριμένη υποδομή θα κερδίσει.
«Είναι ο ίδιος λόγος που η Salesforce δεν χτίζει το δικό της cloud και το Netflix δεν φτιάχνει το δικό του [content distribution facilities]», είπε ο Schuster Tanger, συνεργάτης της TQ Ventures που ηγήθηκε του γύρου, στο TechCrunch. «Το δεύτερο που μια εταιρεία αυτόνομων οχημάτων προσπαθεί να κατασκευάσει εσωτερικά το Nomadic, αποσπάται η προσοχή από αυτό που τους κάνει να κερδίζουν, που είναι το ίδιο το ρομπότ.
Ο Tanger επαινεί το ταλέντο του Nomadic, σημειώνοντας ότι ο Krishnan είναι ένας διεθνής σκακιστής που κατατάσσεται ως ο 1.549ος καλύτερος παίκτης στον κόσμο. Ο Κρίσναν, εν τω μεταξύ, καυχιέται ότι όλοι οι δεκάδες μηχανικοί της εταιρείας έχουν δημοσιεύσει επιστημονικές εργασίες.
Τώρα, εργάζονται σκληρά για την ανάπτυξη συγκεκριμένων εργαλείων, όπως ένα που κατανοεί τη φυσική των αλλαγών λωρίδας από το υλικό της κάμερας ή ένα άλλο που εξάγει πιο ακριβείς θέσεις για τις λαβές ενός ρομπότ σε ένα βίντεο. Η επόμενη πρόκληση, από τη σκοπιά της Nomadic και των πελατών της, είναι η ανάπτυξη παρόμοιων εργαλείων για μη οπτικά δεδομένα όπως οι αναγνώσεις αισθητήρων lidar ή η ενσωμάτωση δεδομένων αισθητήρων σε πολλαπλές λειτουργίες.
«Το να κάνεις ταχυδακτυλουργία γύρω από terabyte βίντεο, να το χτυπάς ενάντια σε εκατοντάδες μοντέλα παραμέτρων 100 δισεκατομμυρίων συν, και στη συνέχεια να εξάγεις τις ακριβείς γνώσεις τους, είναι πραγματικά εξαιρετικά δύσκολο», είπε ο Bal.
Via: techcrunch.com
