O DiffusedRive cria imagens fotorrealistas como essa dos conjuntos de dados do mundo actual. Fonte: Diffuserive
Robôs e inteligência synthetic precisam de quantidades abundantes de dados para treinar e, se esses dados forem sintéticos, precisará ser o mais realista possível. A captura de dados do mundo actual pode ser cara e demorada, enquanto os dados baseados em simulação normalmente vinham de mecanismos de jogo e levavam a lacunas sim-reais. A DiffusedRive Inc. alegou que sua plataforma de IA generativa avalia os dados existentes, identifica o que está faltando e usa modelos de difusão proprietários para criar dados fotorrealistas.
Balint Pasztorum engenheiro e Roland Pinter, um físico, fundou o Diffuserive em 2023 após se encontrar em Bosch. Eles então realocaram o empresa Da Hungria a São Francisco.
“Anteriormente, trabalhamos na direção autônoma de nível 4 para a Porsche”, disse Pasztor à O relatório do robô. “A escassez de dados é a peça que faltava para resolver o quebra -cabeça da IA física, que abrange fabricação, monitoramento, agricultura e aeroespacial”.
Co-fundadores DiffusedRive: CTO Roland Pinter (esquerda) e CEO Balint Pasztor (direita).
Ai precisa de dados específicos para o domínio
“A indústria usa os mesmos modelos desde o início de 2010, e as montadoras e os desenvolvedores de robótica não têm dados realistas suficientes que cobrem seus domínios de design operacional”, disse Pasztor, que agora é CEO da Diffuserive.
“Os dados sintéticos de simulações não foram realistas o suficiente para funções de segurança ou missão crítica”, acrescentou. “Precisávamos de dados gerados pela IA que eram indistinguíveis da vida actual”.
Mesmo na conferência IEEE/CVF deste ano sobre visão computacional e reconhecimento de padrões (CVPR), as pessoas no espaço estavam pontuando apenas 50%, lembrou -se. “Eles estavam apenas adivinhando”, disse Pasztor.
Os aplicativos de robótica comercial exigem grandes quantidades de dados relevantes. Veículos autônomos e reconhecimento de itens para a escolha do comércio eletrônico têm conjuntos de dados conhecidos e crescentes, mas a automação pode servir de maneira flexível muito mais aplicativos-se for treinada corretamente.
Diffuserive identifica, entende lacunas para preencher
O Diffuserive pode preencher a lacuna de simulação para realidade, gerando sugestões com base na lógica de negócios, explicou Pasztor. Isso permite criar conjuntos de dados relevantes em dias em vez de meses ou anos, afirmou.
“Motores como GPT ou Dali podem gerar modelos, mas você precisa de uma camada de garantia de qualidade (controle de qualidade) como o Diffuserive”, disse ele. “A camada de controle de qualidade é construída sobre o caso de aplicação ou uso da aeroespacial, and many others., e o modelo de raciocínio entende o que já foi apresentado.”
O Diffuserive usa métodos clássicos e novos de análise estatística para entender o contexto de dados existentes e criar pontos de dados, semelhantes a uma nuvem de pontos, disse Pasztor.
“Usamos um sistema separado para entender o que os clientes já têm, basicamente construindo uma árvore de decisão”, disse ele. “Por exemplo, para a direção autônoma de nível 2, construímos um mapa de calor dos cenários de estacionamento e distribuição da localização dos objetos. Diffuserive e identificamos que estava faltando itens grandes e próximos em determinados momentos. Ao chegar a uma distribuição mais ampla de dados, melhoramos o desempenho em 40%”.
https://www.youtube.com/watch?v=ab5q_t2yjne
Os clientes controlam os dados ímpares
Ao mesmo tempo, o Diffuserive não desenvolve experiência em domínio. Em vez disso, a empresa digere os dados de documentação de seus clientes e domínio de design operacional do mundo actual (ODD).
“Eles são os especialistas em domínio e estão no controle em termos de geração de seus requisitos”, disse Pasztor. “Eles não querem que ninguém assuma o emprego, mas queremos que os aumentemos.”
Uma vez que ele possui os dados básicos, o Diffuserive usa segmentação semântica, marcação contextual e visible, bem como caixas delimitadoras 2D e 3D. “Toda vez que eles geram imagens, o mapa do ponto de dados preenche, não apenas preenchendo lacunas, mas também expandindo o conhecimento estranho”, disse Pasztor.
Os clientes controlam seus dados de domínio, que são analisados rapidamente para lacunas. Fonte: Diffuserive.
Diffuserive vê oportunidades de mercado
O mercado world de IA em robótica pode experimentar uma taxa de crescimento anual composta de 38,5%, expandindo -se de US $ 12,77 bilhões em 2023 para US $ 124,77 bilhões até 2030, De acordo com Grand View Analysis.
“Nossa visão é eventualmente fazer com que todos os sistemas autônomos usem dados Diffuserive – pode ser uma empresa ou um projeto de um indivíduo”, disse Pasztor. “Decidimos desenvolver nossa experiência com carros e drones, já que os veículos autônomos ainda precisam de muitos dados, e a maioria das empresas não tem a escala de Tesla”.
O Diffuserive está integrando sua terceira onda de clientes, seguindo os pilotos de drones e depois o monitoramento autônomo de direção e segurança. Eles incluem Aisin, Continental e Denso. A empresa disse que também vê potencial em defesa, armazenamento, construção e agricultura.
“Na CVPR, conversamos com 50 clientes em potencial da Fortune 500, vários dos quais produzem não apenas sistemas autônomos, mas também estacionários como robôs industriais”, disse Pasztor. “O pessoal da saúde também estava interessado em fechar o loop de dados”.
Em maio, difusorive criado US $ 3,5 milhões em financiamento de sementes, adicionando US $ 1 milhão que recebeu anteriormente E2vc. Também nomeou Jordan Kretchmer, um sócio sênior da Outlander VC e co-fundador de Speedy Robotics Inc.para o seu conselho.
“A Jordânia tem experiência em investimento em robótica, e nossa tese deve ser agnóstica da indústria, desde aplicações de fabricação como o controle de qualidade até os robôs para escolher domésticos”, disse Pasztor. “As imagens realistas devem se espalhar rapidamente entre diferentes verticais, como estamos aprendendo com todos. O diferencial não é mais os dados sintéticos; está criando o mecanismo de dados”.
Como diz meu co-fundador, ‘o software program é desenvolvido iterativamente, então por que não é dados ”, concluiu ele.
