Nomadic haalt 8,4 miljoen dollar op om de gegevens uit autonome voertuigen te ontwarren

Om de autonome machines van de toekomst te bouwen, heeft je model soms een model nodig.

Bedrijven die zelfrijdende auto’s ontwikkelen, robots die de fysieke omgeving manipuleren of autonome bouwmachines verzamelen duizenden, zo niet miljoenen uren aan videogegevens voor evaluatie en training.

Het organiseren en catalogiseren van die video is nu een taak voor mensen die alles moeten bekijken. Zelfs snel vooruit wordt het niet geschaald. NomadischeMLeen startup opgericht door CEO Mustafa Bal en CTO Varun Krishnan, wil problemen oplossen voor klanten die 95% van hun wagenparkgegevens in archieven hebben staan.

De uitdaging wordt moeilijker bij het zoeken naar randgevallen: de meest waardevolle gegevens geven gebeurtenissen weer die zelden voorkomen en kunnen onervaren fysieke AI-modellen in verwarring brengen.

Nomadic werkt eraan om dat probleem op te lossen met een platform dat beeldmateriaal omzet in een gestructureerde, doorzoekbare dataset via een verzameling beeldtaalmodellen. Dit zorgt op zijn beurt voor een betere vlootmonitoring en het creëren van unieke datasets voor versterkend leren en snellere iteratie.

Het bedrijf kondigde dinsdag een startronde van $8,4 miljoen aan voor een post-money waardering van $50 miljoen. De ronde werd geleid door TQ Ventures, met deelname van Pear VC en Jeff Dean, en zal het bedrijf in staat stellen meer klanten aan boord te krijgen en zijn platform te blijven verfijnen. Nomade ook eerste prijs gewonnen tijdens de pitchwedstrijd van Nvidia GTC vorige maand.

De twee oprichters, die elkaar ontmoetten als studenten computerwetenschappen aan Harvard, “kwamen keer op keer dezelfde technische uitdagingen tegen bij onze banen” bij bedrijven als Lyft en Snowflake, vertelde Bal aan TechCrunch.

“We geven mensen inzicht in hun eigen beeldmateriaal, wat hun eigen AV’s (en) robots aandrijft”, zei hij. “Dat is wat deze autonome systeembouwers vooruit helpt, en niet de willekeurige data.”

Stel je bijvoorbeeld voor dat je probeert het inzicht van een AV te verfijnen dat hij door rood mag rijden als een politieagent hem daartoe opdracht geeft, of dat hij elke keer dat voertuigen onder een bepaald type brug rijden, probeert te isoleren. Het platform van Nomadic maakt het mogelijk deze incidenten te identificeren voor zowel compliancedoeleinden als om rechtstreeks in trainingspijplijnen te worden ingevoerd.

Klanten als Zoox, Mitsubishi Electric, Natix Network en Zendar gebruiken het platform al om intelligente machines te ontwikkelen. Antonio Puglielli, VP Engineering bij Zendar, zei dat de tool van Nomadic het bedrijf in staat stelde zijn werk veel sneller op te schalen dan het outsourcing-alternatief, en dat zijn domeinexpertise het bedrijf onderscheidde van andere concurrenten.

Dit soort modelgebaseerde, automatische annotatietool is in opkomst als een belangrijke workflow voor fysieke AI. Gevestigde datataggingbedrijven zoals Scale, Kognic en Encord ontwikkelen AI-tools om dit werk te doen, terwijl Nvidia een familie van open source-modellen heeft uitgebracht. Alpamayodie kunnen worden aangepast om het probleem aan te pakken.

Varun beweert dat het gereedschap van zijn bedrijf meer is dan een etiket; het is een ‘agentisch redeneersysteem: je beschrijft wat het nodig heeft en het zoekt uit hoe het te vinden’, waarbij meerdere modellen worden gebruikt om de actie die plaatsvindt te begrijpen en in context te plaatsen. De achterban van Nomadic verwachten dat de focus van de startup op deze specifieke infrastructuur zal winnen.

“Het is dezelfde reden waarom Salesforce geen eigen cloud bouwt en Netflix geen eigen cloud (contentdistributiefaciliteiten) bouwt”, vertelde Schuster Tanger, een partner bij TQ Ventures, die de ronde leidde, aan TechCrunch. “Op het moment dat een zelfrijdend voertuigbedrijf Nomadic in eigen huis probeert te bouwen, worden ze afgeleid van wat hen doet winnen, namelijk de robot zelf.”

Tanger prijst het talent van Nomadic en merkt op dat Krishnan een internationaal schaakkampioen is op de wereldranglijst 1.549. beste speler. Krishnan gaat er ondertussen prat op dat alle tientallen ingenieurs van het bedrijf wetenschappelijke artikelen hebben gepubliceerd.

Nu zijn ze hard aan het werk om specifieke tools te ontwikkelen, zoals een tool die de fysica van het wisselen van rijstrook begrijpt uit camerabeelden, of een andere die preciezere locaties voor de grijpers van een robot in een video afleidt. De volgende uitdaging, vanuit het oogpunt van Nomadic en zijn klanten, is het ontwikkelen van vergelijkbare tools voor niet-visuele gegevens, zoals lidar-sensormetingen, of om sensorgegevens in meerdere modi te integreren.

“Het is echt waanzinnig moeilijk om terabytes aan video te jongleren, deze te vergelijken met honderden van meer dan 100 miljard parametermodellen en er vervolgens de exacte inzichten uit te halen”, zei Bal.