BitcoinWorld
物理人工智慧模擬新創公司 Antioch 獲得 850 萬美元融資，將徹底改變機器人訓練
機器人產業迎來重大進展，模擬新創公司 Antioch 宣布完成 850 萬美元的種子輪融資，旨在解決物理人工智慧（Physical AI）中最持久的挑戰之一：模擬與現實之間的差距（sim-to-real gap）。這筆由風險投資公司 A* 和 Category Ventures 領投的巨額投資，突顯了業界日益增長的共識，即高擬真虛擬環境對於擴展自主系統至關重要。這家總部位於紐約的公司成立於 2023 年 5 月，目標是成為工程師為物理世界構建機器人的必備開發平台，從根本上改變他們訓練和測試機器人的方式。
彌補物理人工智慧模擬的差距 物理人工智慧的核心承諾——像編寫軟體一樣輕鬆地為機器人和自主代理程式編寫程式——目前仍受限於嚴重的數據短缺。目前，企業通常不得不建造昂貴的模擬倉庫，或在現實環境中部署大量的感測器陣列來收集訓練數據。這個過程以緩慢、昂貴且難以擴展而聞名。因此，模擬已成為一種至關重要的替代方案。藉由創建現實環境的詳細數位分身（digital twins），開發者可以生成大量的合成數據，並安全地測試在現實中可能具有危險性或不切實際的邊緣案例（edge cases）。
然而，這種方法的有效性取決於一個被稱為「模擬與現實差距」（sim-to-real gap）的概念。這個術語描述了虛擬模擬與物理世界之間的差異。如果模擬的物理特性、光照或感測器雜訊無法準確反映現實，那麼在數位領域訓練的機器人在部署時將會失敗。Antioch 的整個使命都集中在縮小這一差距。執行長 Harry Mellsop 在一份獨家聲明中解釋道：「我們如何才能盡可能地縮小這一差距，從自主系統的角度來看，讓模擬感覺就像真實世界一樣？」該公司 6000 萬美元的投後估值反映了投資者對其解決這一複雜問題的技術方法的信心。
Antioch 平台及其戰略願景 Antioch 的高層將其產品定位為「物理人工智慧領域的 Cursor」，引用了廣受歡迎的 AI 驅動軟體開發工具。他們的平台允許機器人團隊為其硬體創建多個數位實例。這些虛擬機器人連接到模擬感測器，這些感測器可以複製機器人軟體在現場會遇到的精確數據流，例如光學雷達（lidar）點雲或攝影機圖像。這種設置使開發者能夠進行強化學習，測試數千種場景變化，並根據需求生成新穎的訓練數據集。
該公司的技術戰略涉及在 Nvidia 和 World Labs 等領導者現有的模擬模型基礎上進行構建。隨後，Antioch 開發特定領域的函式庫和工具，使這些強大的引擎能夠被機器人團隊存取和使用。該公司表示，其關鍵優勢在於其多客戶方法。與來自不同應用領域（從自動駕駛汽車到農業無人機）的各種客戶合作，為 Antioch 提供了比任何單一公司在內部所能實現的更廣泛的背景，用於改進其模擬技術。
行業驗證與高風險開發 對先進模擬的需求並非理論上的，而是營運上的。Waymo 等主要參與者已經在使用 Google DeepMind 的世界模型來測試和評估其自駕演算法，從而顯著降低了擴展到新城市所需的成本和時間。Antioch 旨在為缺乏資金建立大規模物理測試跑道或行駛數百萬英里現實里程的小型新創公司和企業普及這種能力。
投資者 Category Ventures 的合夥人 Çağla Kaymaz 強調了風險的提升。「我們在開發工具方面做了很多工作……但挑戰是不同的。對於軟體，即使開發工具很差，風險通常也相當侷限在數位世界中。但在物理世界中，代價要高得多。」物理人工智慧系統的故障可能會導致現實世界的安全後果，這使得嚴格的模擬不僅僅是為了方便，更是驗證和安全認證的必要條件。
市場吸引力與未來應用 雖然 Antioch 的主要推銷對象是資金受限的新創公司，但其最早的一些客戶是擁有成熟機器人部門的大型跨國企業。這種早期吸引力表明市場對專業模擬工具有著廣泛的需求。目前，Antioch 專注於感測和感知系統，這對於物流、建築和汽車領域的大多數商業機器人應用至關重要。
然而，長期願景延伸得更遠。研究人員已經在嘗試以新穎的方式使用 Antioch 的平台。例如，麻省理工學院（MIT）CSAIL 實驗室的 David Mayo 正在利用它來評估大型語言模型（LLM），讓它們設計機器人，然後在模擬器中測試這些設計。這為在物理領域基準測試 AI 的創造力和解決問題能力創造了一個現實的沙盒。機器人數據工具公司 Foxglove 的創始人兼 Antioch 天使投資人 Adrian Macneil 預見了一個未來，屆時一套完整的現成工具（類似於軟體領域的 GitHub 和 Stripe 生態系統）將為整個物理人工智慧產業賦能。
結論 Antioch 的 850 萬美元種子輪融資標誌著物理人工智慧開發走向成熟的關鍵一步。藉由專用平台直接解決模擬與現實的差距，這家新創公司正在應對機器人技術中的一個根本性瓶頸。正如執行長 Harry Mellsop 所預測的，該產業正朝著自主系統主要在軟體中開發和迭代的未來邁進。這一努力的成功可能會為機器人公司解鎖強大的數據飛輪，加速創新並使先進的物理人工智慧更加普及。對於一個蓄勢待發、即將迎來巨大增長的產業來說，有效的物理人工智慧模擬工具很可能成為最關鍵的基礎設施。
常見問題 (FAQs) Q1： 機器人技術中的「模擬與現實差距」（sim-to-real gap）是什麼？ 模擬與現實差距是指在模擬中訓練的 AI 或機器人部署到現實世界時觀察到的性能差異。它的產生是因為虛擬環境無法完美複製物理現實的複雜性、物理特性和雜訊。
Q2： Antioch 的模擬平台是如何運作的？ Antioch 提供用於創建機器人及其環境的高擬真數位分身的工具。開發者可以運行數千次虛擬測試，使用模擬感測器數據來訓練機器人的 AI 軟體，從而顯著減少對昂貴且耗時的物理測試的需求。
Q3： 為什麼模擬對於物理人工智慧的開發如此重要？ 模擬允許進行快速、安全且可擴展的測試。它使開發者能夠在罕見的「邊緣案例」場景（如惡劣天氣或系統故障）下訓練 AI，高速進行強化學習，並生成合成數據以補充有限的現實世界數據集。
Q4： Antioch 的目標客戶是誰？ 雖然最初專注於構建自主系統的新創公司，但 Antioch 也與汽車、物流和製造業的大型企業合作，這些企業正在大量投資機器人技術並需要高效的測試工具。
Q5： Antioch 的融資和估值有什麼意義？ 以 6000 萬美元估值完成的 850 萬美元種子輪融資，顯示了投資者對專業模擬軟體市場需求的強烈信心。它提供了完善技術、擴大團隊以及擴展平台以滿足日益增長的行業需求所需的資金。
這篇文章 物理人工智慧模擬新創公司 Antioch 獲得 850 萬美元融資，將徹底改變機器人訓練 首先出現在 BitcoinWorld。