החלום של בינה מלאכותית פיזית הוא פשוט להגיד וקשה מאוד לעשות: שמפתחי רובוטים יוכלו לכתוב תוכניות לסוכנים בעולם האמיתי באותה קלות יחסית שבה מפתחים כותבים תוכנה דיגיטלית. רק שיש בעיה קטנה: רובוטים עדיין תקועים כי כמעט אין מספיק נתונים מעולמות אמיתיים.
כדי לאמן מכונות, חברות נאלצות לבנות גרסאות מדומות של מחסנים ומתקנים או להסתובב עם תשתיות ניסוי מטורפות: קווי ייצור מצולמים, עובדים עם חיישנים, והרבה מאוד למידה עמוקה על הדרך. זה יקר, זה איטי, ובואו נגיד את זה כמו שצריך: זה לא בדיוק “סקייל” כמו שמבטיחים במצגות.
כאן נכנס לתמונה סטארטאפ בשם Antioch, שמפתח כלי סימולציה למפתחי רובוטים. המטרה שלו: לסגור את מה שתעשייה מכנה הפער סימולציה-למציאות. כלומר, שהעולם הווירטואלי יהיה מספיק “אמיתי” כדי שרובוטים שאומנו בתוכו יתנהגו בצורה אמינה בעולם הפיזי.
למה סימולציה לא מספיק מדויקת עדיין?
האתגר הוא לא רק לגרום לרובוט “להיראות” נכון. צריך שהפיזיקה בסימולציה תתנהג כמו בעולם: כוחות, תנועה, התנהגות חומרים, ותגובות לסביבה. אחרת, המודל ש”למד” בסימולציה עלול לעשות טעויות כשזה מגיע למכונה אמיתית. ובפיזי, טעויות זה לא רק באג בתוכנה. זה עלול להיות נזק אמיתי.
Antioch טוענת שהיא עושה את זה באמצעות פלטפורמת סימולציה שמאפשרת לבוני רובוטים להפעיל כמה מופעים דיגיטליים של החומרה שלהם, ולחבר אותם לחיישנים מדומים שמחזיקים את אותו סוג נתונים שהרובוט יקבל במציאות.
בתרגום לשפה של בני אדם: זו מעין “חדר אימונים” לרובוטים, שבו אפשר לבדוק תרחישים קיצוניים, לעשות למידת חיזוק, ואפילו לייצר נתוני אימון חדשים. אבל הכול תלוי באיכות הסימולציה, במיוחד בעניין ההתאמה למציאות.
כסף חדש: 8.5 מיליון דולר כדי להפוך את זה לכלי פיתוח
כדי להתקדם, החברה גייסה סבב Seed של 8.5 מיליון דולר, עם שווי של 60 מיליון דולר. הובלה הגיע מחברות השקעה A* ו-Category Ventures, עם השתתפות נוספת של MaC Venture Capital, Abstract, Box Group ו-Icehouse Ventures.
המייסד הארי מלסופ הקים את Antioch בניו יורק יחד עם עוד שלושה מייסדים בתחילת הדרך. שניים מהם, אלכס לנגשור ומייקל קלווי, הצטרפו אליו כדי להקים בעבר חברה בשם Transpose בתחום האבטחה והאינטליג’נס, ובהמשך גם למכור אותה ל-Chainalysis בסכום שלא פורסם. השניים האחרים, קולין שלגר וקולטון סווינגל, הגיעו מ-Meta Reality Labs ומ-Google DeepMind, בהתאמה.
ההשוואה ל-Cursor: כלי מפתחים לרובוטים
ב-Antioch אוהבים להשוות את המוצר שלהם ל-Cursor, כלי הפיתוח הפופולרי עם AI. הרעיון הוא דומה: לא “רק” לייצר מודל, אלא לתת סביבת עבודה שמאפשרת למפתחים לבצע ניסויים מהר, עם משוב, ולשפר את המערכת.
לפי החברה, הם התחילו עם מודלים שנבנו על ידי Nvidia, World Labs ועוד, ואז הוסיפו ספריות ייעודיות לתחום כדי להפוך את השימוש לפשוט יותר.
הם גם מרוויחים עומק מהעבודה עם כמה לקוחות במקביל: כל לקוח מביא תרחישים אחרים, חיישנים אחרים, והקשרים שונים. ביחד זה מאפשר לדייק סימולציות בצורה שאף חברה אחת בתחום לא תמיד יכולה להשיג לבד.
למה זה חשוב דווקא עכשיו?
משקיעים אומרים שהמקום הזה מזכיר את מה שקרה בעולם תוכנה עם LLM-ים וכלי פיתוח: זה רק מתחיל לקרות לבינה מלאכותית פיזית. אבל כאן יש הימור גבוה יותר. בעולם הדיגיטלי אפשר לספוג טעויות הרבה יותר בקלות. בעולם האמיתי? הסיכון גבוה משמעותית.
בשלב הנוכחי, Antioch ממקדת בעיקר במערכות חיישנים ותפיסה, מה שמרכיב חלק גדול מהצורך ביישומים כמו רכבים אוטונומיים, משאיות, ציוד חקלאי ובנייה, וגם רחפנים.
החזון של רובוטים כלליים שמבצעים משימות כמו בני אדם עדיין רחוק יותר. אבל הדרך לשם עוברת דרך סימולציה טובה מספיק כדי לאפשר איטרציה מהירה.
לא רק סטארטאפים: גם ענקיות כבר הציצו
למרות שהפיץ’ מכוון לסטארטאפים, כמה מהפגישות הראשונות היו עם חברות רב לאומיות שכבר משקיעות חזק ברובוטיקה. אחד התומכים הוא אדריאן מקניל, שהיה בעבר אקסקיוטיב בחברת הרכבים האוטונומיים Cruise, בנה שם את תשתיות הנתונים, וב-2021 הקים את Foxglove שמספקת pipelines דומים לסטארטאפים בתחום.
מקניל מדגיש משהו מאוד קלאסי: אי אפשר פשוט לנסוע “מספיק קילומטרים” בעולם האמיתי כדי לבדוק הכול. סימולציה עוזרת במיוחד כשצריך טיעון בטיחותי משכנע או משימות שדורשות דיוק גבוה.
ניסוי קטן, רעיון גדול: LLM מתכנן רובוט ובודקים בסימולציה
כבר עכשיו יש ניסויים מעניינים. למשל, חוקר מ-MIT משתמש בפלטפורמה של Antioch כדי להעריך מודלי LLM. בניסוי אחד: המודלים אפילו מתכננים רובוטים, ואז משתמשים בסימולטור כדי לבדוק את הביצועים. אפשר גם “להעמיד אותם אחד מול השני” בתחרויות וירטואליות, כמו לדחוף רובוט יריב מפלטפורמה.
אם זה יעבוד בקנה מידה, נוכל לקבל מעין ארגז חול מציאותי לסטנדרטיזציה והערכת מודלים. ובמילים פשוטות: פחות ניחושים, יותר מדידה.
בסוף, לפני שנגיע לעולם שבו מהנדסי AI עובדים על פיזי בלי לחשוש מכל הבדלים בין דיגיטל למציאות, עדיין צריך לסגור את הפער. אבל אם Antioch תצליח, מפתחים יוכלו לייצר את סוג גלגל הנתונים שמקניל מאמין שהוא המפתח להצלחה של מובילות כמו Waymo: ביטחון הולך וגובר שהמודל הבא יהיה יותר מסוגל מהקודם. כן, זה נשמע כמו קסם. רק שפה הקסם הוא הנדסה.
