دنیای رباتیک با چالش جدی‌ای به نام «شکاف شبیه‌سازی به واقعیت» یا Sim-to-Real Gap دست‌وپنج نرم می‌کند. این مسئله زمانی رخ می‌دهد که ربات‌ها در محیط‌های مجازی به اندازه کافی آموزش می‌بینند اما در دنیای واقعی عملکرد ضعیف‌تری از خود نشان می‌دهند. حال شرکت تازه‌تأسیس «فیزیکل» (Physicl) با جذب ۱۰ میلیون دلار سرمایه در دور سیج، مدعی شده است که راه‌حلی خلاقانه برای این معضل یافته است.
تبدیل فناوری رندرینگ تجارت الکترونیک به زیرساخت هوش مصنوعی
آلکس دو ویکان، بنیان‌گذار و مدیرعامل فیزیکل، درصدها سال سابقه‌اش را صرف ساخت شرکت «انفاینیت» (nfinite) کرده بود؛ پلتفرمی که به برندها و خرده‌فروش‌ها امکان می‌داد مدل‌های سه‌بعدی واقعی محصولات خود را برای نمایش آنلاین بسازند. با ظهور مدل‌های زبانی بزرگ و هوش مصنوعی 생성ی، این شرکت رویکرد خود را به سمت تولید تصاویر تغییر داد و در نهایت متوقف شد. اما دو ویکان متوجه شد که همان استک تراژیکی (Tech Stack) قدرتمندی که برای رندر کردن بافت‌ها، نور و فیزیک اشیاء در بازارهای آنلاین استفاده می‌شد، می‌تواند برای ایجاد محیط‌های مجازی با پیچیدگی و واقع‌گرایی بالا در آموزش ربات‌ها به کار برود.
نقش وینووا کپیتال در مقیاس‌پذیری آزمایش‌های رباتی
سرمایه‌گذاری اینووا کپیتال (Inovia Capital) نه تنها تأمین مالی است، بلکه نشان‌دهنده اهمیت بالای این رویکرد صنعتی است. هدف فیزیکل ساخت پایپ‌لاین‌هایی است که به طراحان مدل‌های جهانی و سازندگان ربات‌ها اجازه دهد داده‌های آموزشی بسیار دقیق‌تری تولید کنند. به جای اینکه ربات‌ها روزها یا ماه‌ها زمان صرف جمع‌آوری داده از دنیای واقعی کنند (که پرهزینه و زمان‌بر است)، فیزیکل محیط‌های دیجیتالی می‌سازد که از نظر فیزیکی و بصری آن‌قدرها به واقعیت نزدیک‌اند که الگوسازی‌های هوش مصنوعی بتوانند بدون تداخل، به‌خوبی یاد بگیرند.
آینده‌ای که در آن هوش مصنوعی و صنعتی به هم متصل‌اند
این حرکت استراتژیک نشان می‌دهد که هوش مصنوعی دیگر تنها به تولید محتوا محدود نمی‌شود، بلکه ابزارهایی برای ساخت زیرساخت‌های فیزیکی هوشمند نیز می‌شود. با تبدیل داده‌های تجاری به داده‌های آموزشی رباتیک، فیزیکل می‌کوشد هزینه و زمانی برای توسعه ربات‌های صنعتی و خانگی را کاهش دهد. این رویکرد می‌تواند سرعت ورود ربات‌های توانمند به بازارهای جهانی را به طور محسوس افزایش دهد.
- مبلغ جذب شده: ۱۰ میلیون دلار در مرحله سری A
- سرمایه‌گذار اصلی: اینووا کپیتال
- هدف اصلی: کاهش شکاف داده‌ای بین شبیه‌سازی و واقعیت
- فناوری پایه: الگوریتم‌های رندرینگ فوری سایه‌زنی (Real-Time Rendering)
پرسش‌های پرتکرار
شکاف شبیه‌سازی به واقعیت (Sim-to-Real Gap) چیست و چرا مهم است؟
این شکاف اشاره به تفاوت عملکرد الگوریتم‌ها در محیط‌های شبیه‌سازی‌شده و دنیای واقعی دارد. پر کردن این فاصله حیاتی است تا ربات‌ها بتوانند بدون نیاز به اصلاح مداوم، در محیط‌های واقعی به درستی کار کنند. فیزیکل با بهبود واقع‌گرایی شبیه‌سازی‌ها به حل این مشکل می‌پردازد.
فیزیکل از چه فناوری‌ای برای حل این مشکل استفاده می‌کند؟
فیزیکل از فناوری‌های رندرینگ سه‌بعدی قدرتمندی استفاده می‌کند که قبلاً برای نمایش محصولات در فروشگاه‌های آنلاین توسعه یافته بود. این فناوری به ساخت محیط‌های مجازی با جزئیات نوری، بافتی و فیزیکی دقیق امکان می‌دهد که برای آموزش مدل‌های هوش مصنوعی ارکان چندگانه‌ای فراهم می‌آورد.
