為了構建未來的自主機器，有時需要利用模型來處理模型。開發自駕車、操作物理環境的機器人或自主建築裝置的公司，會收集數千甚至數百萬小時的影片資料用於評估和訓練。目前整理和歸檔這些影片是人類的工作，但即使加速播放也無法解決規模問題。NomadicML 是一家由 CEO Mustafa Bal 和 CTO Varun Krishnan 創立的起點公司，旨在解決客戶擁有 95% 車隊資料沉睡在檔案庫中的問題。當尋找邊緣案例時，挑戰更加艱難，因為這些最珍貴的資料描繪了罕見事件，容易讓缺乏經驗的物理 AI 模型困惑。Nomadic 正在開發一個平臺，透過一系列視覺語言模型將影片轉化為結構化、可搜尋的資料集，從而實現更好的車隊監控，並為強化學習建立獨特資料集以加速迭代。
該公司於週二宣佈完成 840 萬美元種子輪融資，投後估值為 5000 萬美元。此輪融資由 TQ Ventures 主導，Pear VC 和 Jeff Dean 參與，將用於引入更多客戶並繼續完善平臺。Nomadic 上月在 Nvidia GTC 的投訴比賽中獲得了頭獎。兩位創業者曾在 Lyft 和 Snowflake 等公司工作，並發現了相同的技術挑戰。Nomadic 的平臺允許使用者獲得其自身影片的洞察，這對於推動自主系統建設者至關重要。例如，平臺可識別車輛在警察指揮下違規行駛紅燈，或在特定橋樑下行駛等事件，這些對於合規和訓練管道至關重要。
目前，三菱電機、Natix Network 和 Zendar 等客戶已使用該平臺開發智慧機器。Zendar 的工程副總裁 Antonio Puglielli 表示，Nomadic 的工具使公司比外包方案更快地擴充套件工作，其領域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成為物理 AI 的關鍵工作流。已確立的資料標註公司如 Scale、Kognic 和 Encord 正在開發 AI 工具，而 Nvidia 已發布了可適配解決此問題的開源模型 Alpamayo。Varun 認為，該公司的工具不僅僅是標註器，而是一個「代理推理系統」，使用者描述需求，系統利用多個模型理解正在發生的行動並將其置於