Physicl capta US$ 10 mi para criar simulações 3D no treino de robôs e modelos de mundo
Startup fundada pelo criador da nfinite lança a plataforma Studio com 10 mil ambientes virtuais para gerar dados sintéticos com física realista.
Por que importa. O gargalo da robótica migrou da arquitetura para a falta de dados físicos. Gerar permutações sintéticas sob demanda reduz o custo de teleoperação e contorna falhas em casos raros.
A startup Physicl captou US$ 10 milhões em uma rodada seed liderada pela Inovia Capital, segundo o TechCrunch. O aporte financia uma plataforma voltada a desenvolvedores de modelos de mundo e construtores de hardware que precisam treinar sistemas de IA física em simulações digitais fiéis ao mundo real.
Junto ao financiamento, a empresa colocou no ar o Studio, ferramenta que reúne 10 mil ambientes tridimensionais e 100 mil objetos catalogados. O objetivo prático é gerar dados sintéticos para etapas de pós-treinamento de robôs, focando em casos de borda difíceis de capturar em vídeo comum, como um manipulador tentando identificar uma xícara em uma bancada desorganizada ou sob iluminação desfavorável.
A tese da Physicl tenta resolver um gargalo econômico e técnico que afeta equipes de robótica no mundo todo. Coletar dados operacionais por teleoperação humana é lento e custoso, enquanto modelos treinados exclusivamente com vídeo bidimensional sofrem para compreender profundidade, atrito, geometria e peso dos materiais.
Origem no e-commerce e foco em casos raros
O fundador e presidente-executivo da Physicl, Alex de Vigan, passou a última década à frente da nfinite, empresa especializada em renderizações 3D de produtos para o comércio eletrônico. Com o avanço dos modelos geradores de imagem, de Vigan redirecionou a tecnologia de modelagem e materiais da equipe para a IA física.
Segundo de Vigan, os modelos generativos substituíram tarefas visuais, mas ainda falham na capacidade de interagir e manipular o espaço físico de forma coerente. A estrutura herdada foi adaptada para converter registros brutos e heterogêneos do mundo real em representações digitais de alta fidelidade, preservando geometria, física de colisão e propriedades de materiais.
Em vez de apenas vender pacotes estáticos de dados, a proposta da Physicl é operar como motor de geração contínua. Pelo modelo desenhado pela startup, desenvolvedores podem carregar capturas de sensores LiDAR ou imagens captadas em campo e gerar bilhões de permutações sintéticas sob demanda para ajustar modelos que falharam em bancadas de teste.
Integração a modelos de mundo e limites do setor
Um dos primeiros clientes a validar a tecnologia foi a SpAItial, desenvolvedora de modelos de mundo que lançou recentemente o modelo Echo-3, projetado para derivar simulações 3D a partir de imagens em duas dimensões. Seu fundador, Matthias Niessner, que também é professor de robótica na Universidade Técnica de Munique, explicou ao TechCrunch que a geração sintética sob demanda reduz ciclos longos de curadoria manual de dados.
No fluxo citado por Niessner, um agente ou pipeline de treinamento pode detectar carência de exemplos em determinado estado de inferência e acionar a geração imediata do cenário faltante. O ecossistema, contudo, disputa espaço em um nicho concorrido e ainda pouco padronizado de fornecedores de dados multimodais para agentes físicos.
A Physicl não divulgou publicamente a tabela de preços do Studio, os requisitos mínimos de computação para rodar as simulações em infraestrutura própria nem se haverá suporte para motores de física populares como Isaac Sim da Nvidia ou MuJoCo.
Fontes
- TechCrunch: Physicl raises $10M to make the digital world real enough for robots
Reportagem produzida pela redação do Flipters com apoio de inteligência artificial, a partir das fontes acima. Como trabalhamos. Editor responsável: João Paulo Resende.
