遊牧科技籌得840萬美元資金，管理自動駕駛車輛噴湧的數據

要建立未來的自主機器，有時你的模型需要一個模型。開發自動駕駛車、操作物理環境的機器人，或自主建設設備的公司，會收集數千甚至數百萬小時的視頻數據用來評估與訓練。目前整理與編目這些視頻數據的工作，已經變成人類的任務，他們必須觀看所有的數據。即使快進播放，這也無法擴展。NomadicML 是由創始人 CEO Mustafa Bal 和 CTO Varun Krishnan 所創辦的新創公司，他們希望為那些有 95% 車隊數據存放在存檔中的客戶解決問題。當尋找邊緣案例時，問題變得更加困難 —— 最有價值的數據描繪的是極少發生的事件，這些事件可能會讓經驗不足的物理 AI 模型感到困惑。Nomadic 正在透過一個平台來解決這個問題，這個平台透過一組視覺語言模型，將視頻轉換為結構化、可搜尋的數據集。這讓車隊監測變得更好，也讓建立用於強化學習的獨特數據集與更快的迭代成為可能。公司週二宣布獲得 840 萬美元的種子輪融資，當時的投後估值為 5 億美元。這筆融資由 TQ Ventures 領導， Pear VC 和 Jeff Dean 也有參與，這將讓公司能 onboard 更多客戶並持續優化其平台。Nomadic 也在上個月的 Nvidia GTC 創業比賽中獲得了冠軍。這兩位創始人在哈佛大學計算機科學系就讀時認識，Bal 告訴 TechCrunch：「我們在 Lyft 和 Snowflake 等公司的工作中，總是不斷遇到相同的技術挑戰。」他說：「我們提供的是一種讓客戶深入了解自己視頻的方法，不管什麼驅動他們的自動駕駛車或機器人。」這才是讓這些自主系統開發者前進的關鍵，而不是隨機數據。例如，假設你想要微調自動駕駛車對「紅燈」的理解，使其在警察指揮下可以通行，或找出車輛在特定類型橋下駕駛的所有情況。Nomadic 的平台允許這些事件被識別，既用於合規目的，也可以直接輸入訓練流程。Mitsubishi Electric、Natix Network 和 Zendar 等客戶已經使用這個平台來開發智能機器。Zendar 的工程副總裁 Antonio Puglielli 表示，Nom利的工具讓公司比外包更快擴展業務，而且其領域專業知識使其與其他競爭對手區別開來。這種基於模型的自動標註工具正在成為物理 AI 的關鍵工作流程。像 Scale、Kognic 和 Encord 這樣的數據標註公司正在開發 AI 工具來完成這項工作，而 Nvidia 則推出了開放源碼模型 Alpamayo 系列，可以用來解決這個問題。Varun 認為他公司的工具不僅僅是標註工具，而是一個「代理推理系統」：你描述需要什麼，它就會找出如何找到。透過多個模型來理解正在進行的動作並將其置於適當的脈絡中。Nomadic 的投資人預期這家新創公司專注於這類基礎設施的專注點會成功。TQ Ventures 的合伙人 Schuster Tanger，領導這筆融資，告訴 TechCrunch：「這與 Salesforce 不自己建立雲端計算，以及 Netflix 不自己建立內容分發設施的同樣原因。」當自動駕駛車公司嘗試內部建立 Nomadic 時，他們會被分散注意力，而這正是讓他們成功的關鍵，也就是機器人本身。Tanger 褒揚 Nomadic 的人才，指出 Krishnan 是國際西洋棋大師，排名為世界第 1549 名。Krishnan 則自夸公司所有十幾位工程師都曾發表過科學論文。現在，他們正忙於開發特定工具，例如一個能從相機畫面中理解車道變換物理學的工具，或另一個能從視頻中推導出機器人夾爪更精確位置的工具。從 Nomadic 和其客戶的角度來看，接下來的挑戰是開發類似的工具，用於非視覺數據，例如雷達感測器的讀數，或整合多種模式的感測數據。Bal 說：「處理數 TB 的視頻數據，將其與數百個擁有數十億參數的模型進行對撞，並提取準確的見解，這真的非常困難。」