Nomadic привлекает $8.4 миллиона для обработки данных с автономных автомобилей

Для создания автономных машин будущего иногда вашей модели нужен другой модельный подход. Компании, занимающиеся разработкой самоуправляемых автомобилей, роботами, манипулирующими физической средой, или автономным строительным оборудованием, собирают тысячи, если не миллионы часов видеоданных для оценки и обучения. Организация и каталогизация этого видео сейчас является задачей для людей, которые должны просматривать все эти материалы. Даже перемотка не решает проблему масштабируемости.

NomadicML, стартап, основанный генеральным директором Мустафой Балом и техническим директором Варуном Кришнаном, стремится решить проблемы клиентов, у которых 95% данных флота находятся в архивах. Задача усложняется, когда речь идет о поиске крайних случаев — наиболее ценные данные изображают события, которые происходят редко и могут сбивать с толку неопытные физические модели ИИ. Nomadic работает над решением этой проблемы с помощью платформы, которая превращает видеозаписи в структурированные, доступные для поиска наборы данных с помощью коллекции языковых моделей.

Это, в свою очередь, позволяет лучше контролировать флот и создавать уникальные наборы данных для обучения с подкреплением и более быстрой итерации. Компания объявила о привлечении $8.4 миллиона в рамках посевного раунда во вторник, при пост-денежной оценке в $50 миллионов. Раунд возглавил TQ Ventures, с участием Pear VC и Джеффа Дина, и эти средства позволят компании привлечь больше клиентов и продолжить совершенствование своей платформы.

Nomadic также занял первое место на конкурсе стартапов Nvidia GTC в прошлом месяце. Два основателя, встретившиеся в Гарварде на факультете компьютерных наук, «постоянно сталкивались с одними и теми же техническими проблемами на своих работах» в таких компаниях, как Lyft и Snowflake, рассказал Бал в интервью TechCrunch.

«Мы предоставляем людям информацию о их собственных видеозаписях, что бы ни управляло их автономными транспортными средствами и роботами», — сказал он. «Это то, что двигает строителей этих автономных систем вперед, а не случайные данные». Например, представьте, что нужно доработать понимание автономного автомобиля, что он может проехать на красный свет, если полицейский указывает на это, или изолировать каждый случай, когда автомобили проезжают под определенным типом моста.

Платформа Nomadic позволяет идентифицировать такие инциденты как для целей соблюдения норм, так и для непосредственного использования в тренировочных процессах. Клиенты, такие как Zoox, Mitsubishi Electric, Natix Network и Zendar, уже используют платформу для разработки интеллектуальных машин. Антонио Пуглиелли, вице-президент по инженерии Zendar, отметил, что инструмент Nomadic позволил компании значительно ускорить свою работу по сравнению с альтернативой аутсорсинга, а его экспертиза в данной области выделяет его среди других конкурентов.

Такой модельный инструмент автоматической аннотации становится ключевым рабочим процессом для физического ИИ. Установленные компании по маркировке данных, такие как Scale, Kognic и Encord, разрабатывают ИИ-инструменты для выполнения этой работы, в то время как Nvidia выпустила набор открытых моделей Alpamayo, которые можно адаптировать для решения этой проблемы. Варун утверждает, что инструмент его компании — это не просто маркер; это «агентная система рассуждений: вы описываете, что нужно, и она сама находит это», используя несколько моделей для понимания происходящих действий и их контекста.

Поддержка Nomadic ожидает, что сосредоточение стартапа на этой конкретной инфраструктуре окажется успешным. «Это та же причина, по которой Salesforce не строит свой собственный облачный сервис, а Netflix не создает свои собственные центры распределения контента», — сказал Тангера Шустер, партнер TQ Ventures, возглавивший раунд. «Как только компания, занимающаяся автономными транспортными средствами, попытается построить Nomadic внутри, она отвлечется от того, что делает ее успешной, а именно от самого робота». Тангера хвалит таланты Nomadic, отмечая, что Кришнан является международным мастером шахмат, занимающим 1549-е место в мировом рейтинге. Кришнан, в свою очередь, гордится тем, что все инженеры компании опубликовали научные статьи.

Теперь они усердно работают над разработкой конкретных инструментов, таких как инструмент, который понимает физику смены полосы движения по видеозаписям, или другой, который определяет более точные местоположения для захватов робота в видео. Следующей задачей для Nomadic и его клиентов является разработка аналогичных инструментов для не визуальных данных, таких как показания лидара, или интеграция данных с датчиков через несколько режимов. «Управлять терабайтами видео, сопоставляя их с сотнями моделей с более чем 100 миллиардами параметров и затем извлекая их точные инсайты, действительно невероятно сложно», — заключил Бал.