募得1,000萬美元種子輪，Physicl推出機器人合成資料工具

開發機器人與世界模型訓練用合成資料工具的 Physicl，募得1,000萬美元種子輪資金，並公開首款產品 Studio。Studio 能將少見的實際場景建成3D場景，生成訓練用影像與標註資料。

Physicl 6日透過官方公告表示，本輪由 Inovia Capital 領投，US Venture Partners 參與。公司未公布各投資方出資金額與估值，計畫將資金用於巴黎與美國舊金山地區的團隊，以及 Studio 平台建置。

研究團隊可指定模型出錯的場景，再由 Studio 調整光線、物體位置、周遭擁擠程度與相機路徑來生成場景。團隊也能只改變一項條件、固定其餘條件，藉此比較模型容易受到哪些變化影響。

公司資料列出1萬個環境與10萬個基礎資產，並透過組合不同場景與資產來建立訓練資料。

生成影像也會記錄深度、表面方向、物體區域、邊界框與相機位置。物體區域資料用來區分各物體在影像中所占的部分。Physicl 表示，透過在3D場景中產生標籤，可減少拍攝後由人工標註的工作。

Physicl 在產品說明中表示，Studio 會將3D場景渲染成影像，與計算物理狀態隨時間變化的模擬器不同。公司瞄準的「模擬到真實（sim-to-real）落差」，是指將虛擬環境中的訓練成果應用到現實時產生的差異。

Physicl 創辦人 Alex de Vigan 在公告中表示：「過去10年，我一直在把世界數位化為3D。」Physicl 過去曾為零售業者建立3D商品與空間資料，以及可修改這些資料的軟體，現在將這項經驗延伸至機器人與世界模型的訓練場景製作。

Physicl 將難以反覆拍攝並標註現實環境中罕見情況，列為商業機會，例如物體遭遮擋、出現陰影或物品擺放凌亂等場景。

Physicl 表示，客戶 SpAItial 使用其資料訓練後，將真實空間的3D重建誤差降至原本的一半以下。公司說，這項評估由慕尼黑工業大學的 Matthias Niessner 團隊進行。

Physicl 的公告未提供評估資料規模、比較基準與詳細指標。公開數據僅限於客戶的空間重建案例，並不代表機器人控制能力或整體機器人效能有所提升。

SpAItial 於10月27日透過官方公告推出 Echo-3 與應用程式，讓使用者以手機拍攝重建空間的3D模型。公司表示，未拍攝到的區域會依照周遭場景補上。這項案例顯示，Physicl 所介紹的誤差改善針對的是空間重建。

SpAItial 執行長兼慕尼黑工業大學電腦科學教授 Matthias Niessner 在 Physicl 公告中表示：「這改變了小型團隊能在物理 AI 領域打造的成果。」這是客戶代表對合成資料可擴大研究團隊開發範圍的評價。

Inovia Capital 合夥人 Steve Woods 在 Physicl 公告中表示：「要把模型能力轉化為現實世界的表現，仍有根本性的挑戰。」這番投資人談話說明了 Physicl 希望解決的問題。

Studio 目前正逐步向研究團隊開放 Beta 使用。Physicl 表示，Beta 期間將免費提供服務。