Sacensības par gudrāku robotu izveidi ir atklājušas problēmu, ko ar naudu vien nevar atrisināt. Lielus valodu modeļus apgūst no interneta. Fiziskais AI nevar. Robotiem ir vajadzīgi miljoniem piemēru par reālu cilvēku kustību, mijiedarbību un lēmumu pieņemšanu fiziskajā pasaulē. Singapūras jaunuzņēmums Ropedia uzskata, ka ir izveidojis trūkstošo slāni, un investori liek derības, ka pieprasījums pēc šiem datiem pieaugs.
Šodien Ropedia paziņoja, ka ir piesaistījusi 30 miljonus ASV dolāru pirms A finansējuma, lai paplašinātu platformu reālo multimodālo datu vākšanai un piegādei, ko izmanto robotu un AI sistēmu apmācībai. Investīcijas tika veiktas no riska uzņēmumiem, kuriem ir pieredze mākslīgā intelekta, uzņēmuma programmatūras un infrastruktūras jomā visā Dienvidaustrumāzijā, kā arī ilgtermiņa finanšu atbalstītāji un stratēģiskie partneri robotikas, mobilitātes un uzņēmumu tehnoloģiju jomā.
Finansējums tiek saņemts, robotikas uzņēmumiem sacenšoties, lai izveidotu AI sistēmas, kas var pāriet ārpus pētniecības laboratorijām un veikt noderīgu darbu noliktavās, rūpnīcās, slimnīcās un mājās. Šī maiņa ir pievērsusi jaunu uzmanību vienam no nozares lielākajiem vājajiem punktiem: pietiekami augstas kvalitātes datu apkopošanai, kas māca mašīnām, kā cilvēki mijiedarbojas ar fizisko pasauli.
“Robots nevar spēlēt beisbolu, skatoties video, nekā jūs varētu iemācīties braukt ar velosipēdu, lasot par to. Robotam ir jāsaprot, kā ir satvert nūju, un jāzina laiks, kas nepieciešams, lai trāpītu bumbiņai. Tā ir informācija, ko sniedz Ropedia tehnoloģija, un tāpēc šis ieguldījums ir svarīgs. Teksts, kas iegūts no interneta, tika izmantots, lai apmācītu pēdējās paaudzes cilvēku pieredzi, tvert AI. Fiziskais AI ļaus mums pamest laboratoriju un doties uz darbu, vispirms uz rūpnīcām, pēc tam mājās, palīdzot mūsu ģimenēm,” sacīja Ropedia izpilddirektors un līdzdibinātājs Žaoksi Čens.
Šī atšķirība ir Ropedia biznesa centrā.
Ar 30 miljonu dolāru finansējumu fiziskais AI startup Ropedia mērķis ir apkopot reālās pasaules datus, kas robotiem jāapgūst.
Tā vietā, lai marķētu citur savāktās datu kopas, fiziskais AI palaišanas process tver cilvēku pieredzi tieši ar valkājamās ierīces HOMIE starpniecību. Uz galvas piestiprinātā sistēma ieraksta sinhronizētas pirmās personas video, audio, dziļuma informācijas, skatiena virziena, rokas izsekošanas, ķermeņa kustību un kameras pozīcijas sinhronizētas straumes. Katram signālam ir laikspiedols, lai AI modeļi varētu uzzināt, kā uztvere un darbība notiek kopā reāllaikā.
Sinhronizētie ieraksti plūst caur Ropedia apstrādes un anotāciju platformu, pirms tie kļūst par apmācību datu kopām robotikas un AI izstrādātājiem.
Uzņēmums apgalvo, ka šī pieeja atrisina ierobežojumus daudzās esošajās datu vākšanas sistēmās. Teleoperācijas platformas ir atkarīgas no dārgas robotu aparatūras un bieži ģenerē datus, kas saistīti ar konkrētiem robotu projektiem. Tā vietā HOMIE apkopo informāciju no cilvēkiem, ļaujot apkopot datus daudzās vidēs, neizvietojot robotu parku.
Šī atšķirība ir palīdzējusi Ropedia izveidot to, ko tā sauc par Xperience-10M — datu kopu, kurā ir vairāk nekā 10 miljoni mijiedarbības epizožu un vairāk nekā 10 000 stundu multimodālu ierakstu. Kolekcija aptver miljardus sinhronizētu video kadru, kustības uztveršanas ierakstus, dziļuma datus un inerciālo sensoru mērījumus. Katra papildu izvietošana paplašina datu kopā attēloto uzdevumu, vides un cilvēku uzvedības dažādību.
Starta uzņēmums saka, ka tā platforma samazina datu vākšanas izmaksas līdz pat 50 reizēm, salīdzinot ar tradicionālajām pieejām. HOMIE jau ir sācis masveida ražošanu, un Ropedia saka, ka tas apkalpo vairāk nekā duci klientu Ziemeļamerikā, kas strādā ar iemiesoto AI un telpisko intelektu.
Datu slāņa izveide fiziskajam AI
Ropedia sevi raksturo kā datu infrastruktūras uzņēmumu, nevis datu marķēšanas uzņēmumu.
Salīdzinājums atspoguļo plašākas pārmaiņas, kas notiek visā AI. Pirmais ģeneratīvā AI vilnis bija atkarīgs no milzīgām interneta tekstu un attēlu kolekcijām. Fiziskajam AI ir vajadzīgs kaut kas cits. Robotiem jāiemācās, kā cilvēki manipulē ar objektiem, pārvietojas telpā, reaģē uz mainīgo vidi un koordinē redzi ar kustību. Šo pieredzi nevar iegūt no vietnēm tādā pašā veidā, kā valodu modeļi apkopoja tekstu.
Tas ir radījis pieaugošu pieprasījumu pēc uzņēmumiem, kas būvē liela mēroga cauruļvadus multimodālās mijiedarbības datu vākšanai.
Ropedia pārdod piekļuvi, izmantojot datu kopu licencēšanu, pētniecības partnerības un selektīvu HOMIE aparatūras platformas pieejamību. Uzņēmums izmanto to, ko tas raksturo kā slēgta cikla cauruļvadu, kas apvieno sinhronizētu datu tveršanu, kvalitātes nodrošināšanu, anotāciju un modelim gatavu datu kopas sagatavošanu.
Jaunākais finansējums seko iepriekšējai 8 miljonu ASV dolāru kārtai pirms A, par ko tika paziņots sociālajos medijos martā. Apvienojumā ar nesen atklātajiem 22 miljonu ASV dolāru ieguldījumiem uzņēmums ir piesaistījis 30 miljonus ASV dolāru pirms A finansējuma.
Ropedia plāno izmantot kapitālu, lai paplašinātu datu vākšanu visā Dienvidaustrumāzijā un Ziemeļamerikā, izvietotu lielāku HOMIE ierīču parku, stiprinātu savu AI pētniecības platformu un palielinātu savu inženieru komandu Amerikas Savienotajās Valstīs.
Viens no agrīnajiem investoriem uzskata, ka uzņēmums ir pozicionējis sevi jaunas AI kaudzes pamatā.
“Es jau agri atbalstīju Ropedia komandu, jo viņiem bija reta kombinācija ar dziļām tehniskām zināšanām, izpildes ātrumu un skaidru redzējumu par to, kur virzās fiziskais AI. Kopš tā laika viņi ir izveidojuši pārliecinošu datu infrastruktūras platformu, kas apkalpo vadošos robotikas un pamatu modeļu uzņēmumus visā pasaulē. Es uzskatu, ka Ropedia ir labā stāvoklī, lai kļūtu par pamata uzņēmumu fiziskajā AI un Amazon gel ekosistēmas pētniecībā,” sacīja viens pētnieks no Amazon gēla ekosistēmas.
Ropedia, ko 2025. gada otrajā pusē Singapūrā dibināja Džaoksi Čens, Fangdžou Hongs un Zivei Liu, Ropedia darbojas no galvenā biroja Singapūrā ar papildu biroju Mauntinvjū, Kalifornijā. Čens iepriekš strādāja pie 3D datorredzes un multimodāla AI, Hongs piedalījās Meta egocentriskajā multimodālā intelekta izpētē, pirms pārcēlās uz 3D telpisko intelektu, un Liu pilda galvenā zinātnieka pienākumus līdztekus Nanjangas Tehnoloģiskās universitātes asociētā profesora amatam.
Uzņēmums ieiet tirgū, kurā AI nākamais lēciens var būt mazāk atkarīgs no lielākiem valodu modeļiem, bet vairāk no netīrās, neparedzamās fiziskās pasaules pieredzes uztveršanas. Ja tas izrādīsies taisnība, tādi datu cauruļvadi kā Ropedia varētu kļūt tikpat vērtīgi robotikai kā interneta mēroga teksts ģeneratīvā AI pieaugumam.
