Antioch chce zostać „Cursorem dla fizycznego AI”. Czy wirtualna symulacja zastąpi tysiące kilometrów testów?
Obietnica fizycznej sztucznej inteligencji opiera się na prostym założeniu: inżynierowie powinni programować roboty z taką samą lekkością i przewidywalnością, z jaką piszą kod dla aplikacji cyfrowych. Rzeczywistość jest jednak brutalna – rozwój robotyki wciąż dławi brak danych. Podczas gdy modele językowe trenują na niemal nieograniczonych zasobach internetu, twórcy autonomicznych systemów muszą budować fizyczne makiety magazynów lub wysyłać na ulice flotę naszpikowanych czujnikami aut, by zbierać cenne megabajty informacji z rzeczywistego otoczenia.
Problem wąskiego gardła w świecie materii
Antioch, nowojorski startup założony między innymi przez byłych specjalistów z Google DeepMind i Meta Reality Labs, proponuje inne rozwiązanie. Zamiast kosztownych poligonów doświadczalnych – zaawansowane środowisko symulacyjne. Kluczem do sukcesu jest tutaj zasypanie tak zwanej „sim-to-real gap”, czyli przepaści dzielącej wirtualne modele od fizycznej rzeczywistości. Wyzwanie polega na tym, by symulacja była na tyle wierna pod kątem fizyki, aby algorytm wytrenowany w cyfrowym świecie zachowywał się identycznie po wgraniu do realnej maszyny.
„Większość branży w ogóle nie korzysta z symulacji. Zaczynamy jednak rozumieć, że aby przyspieszyć, musimy zmienić reguły gry” – twierdzi Harry Mellsop, CEO Antioch. Startup ogłosił właśnie pozyskanie 8,5 miliona dolarów w rundzie zalążkowej (seed), co wycenia młodą spółkę na 60 milionów dolarów.
Programowanie robotów jak w edytorze kodu
Twórcy Antioch porównują swoje narzędzie do Cursora – popularnego edytora kodu wspieranego przez AI, który zrewolucjonizował pracę programistów. Platforma pozwala deweloperom na błyskawiczne uruchamianie wielu instancji cyfrowych robotów i podłączanie ich do wirtualnych sensorów. Te z kolei generują dane identyczne z tymi, jakie oprogramowanie otrzymałoby w fizycznym świecie. Dzięki temu można bezpiecznie testować scenariusze brzegowe (tak zwane edge cases) czy przeprowadzać uczenie wzmocnione bez ryzyka zniszczenia drogiego sprzętu.
Co istotne, Antioch nie buduje wszystkiego od zera. Firma integruje istniejące modele od gigantów takich jak Nvidia czy World Labs, tworząc na ich bazie specjalistyczne biblioteki. To podejście „off-the-shelf” ma pozwolić mniejszym graczom na konkurowanie z potentatami pokroju Waymo, którzy dysponują miliardowymi budżetami na własną infrastrukturę danych.
Wysoka stawka cyfrowego bliźniaka
Choć koncepcja brzmi jak logiczna ewolucja narzędzi dev-ops, różnica między kodem cyfrowym a fizycznym agentem jest fundamentalna. „W przypadku oprogramowania błędy są zazwyczaj zamknięte w świecie cyfrowym. W świecie fizycznym stawka jest znacznie wyższa” – zauważa Çağla Kaymaz z Category Ventures. To właśnie dlatego realizm fizyki jest tu krytyczny.
Obecnie technologia Antioch koncentruje się głównie na systemach percepcji dla autonomicznych ciężarówek, maszyn rolniczych i dronów. Jednak potencjał platformy już teraz testują naukowcy z MIT CSAIL, gdzie modele AI projektują roboty, a następnie rywalizują nimi w symulowanych turniejach. Jeśli wizja Antioch się ziści, za dwa-trzy lata większość systemów autonomicznych będzie powstawać przede wszystkim w oprogramowaniu, a realny świat będzie jedynie ostatecznym sprawdzianem gotowego produktu.
