DiffuseDrive: حل ندرة البيانات لتدريب الروبوتات والذكاء الاصطناعي

تقوم DiffuseDrive بإنشاء صور فوتوغرافية واقعية مثل هذه من مجموعات بيانات العالم الحقيقي. المصدر: DiffuseDrive

تحتاج الروبوتات والذكاء الاصطناعي إلى كميات كبيرة من البيانات للتدريب، وإذا كانت هذه البيانات اصطناعية، فيجب أن تكون واقعية قدر الإمكان. يمكن أن يكون التقاط بيانات العالم الحقيقي مكلفًا ويستغرق وقتًا طويلاً، بينما تأتي البيانات المستندة إلى المحاكاة عادةً من محركات الألعاب وتؤدي إلى فجوات بين المحاكاة والواقع. ادعت شركة DiffuseDrive Inc. أن منصتها للذكاء الاصطناعي التوليدي تقيم البيانات الموجودة، وتحدد ما ينقصها، وتستخدم نماذج الانتشار الخاصة بها لإنشاء بيانات فوتوغرافية واقعية.

تأسست DiffuseDrive في عام 2023 على يد بالينت باستور، مهندس، ورولاند بينتر، فيزيائي، بعد لقائهما في شركة بوش. ثم انتقلت الشركة من هنغاريا إلى سان فرانسيسكو.

“لقد عملنا سابقًا على القيادة الذاتية من المستوى 4 لشركة بورشه”، قال باستور لـ The Robot Report. “ندرة البيانات هي القطعة المفقودة لحل لغز الذكاء الاصطناعي الفيزيائي، الذي يشمل التصنيع والمراقبة والزراعة والفضاء.”

مؤسسا DiffuseDrive: المدير الفني رولاند بينتر (يسار) والمدير التنفيذي بالينت باستور (يمين).

الذكاء الاصطناعي يحتاج إلى بيانات محددة للمجال

“لقد استخدمت الصناعة نفس النماذج منذ أوائل العقد الأول من القرن الحادي والعشرين، ولا تمتلك شركات تصنيع السيارات ومطورو الروبوتات بيانات واقعية كافية تغطي مجالات التصميم التشغيلي الخاصة بهم”، قال باستور، الذي يشغل الآن منصب المدير التنفيذي لشركة DiffuseDrive.

“لم تكن البيانات الاصطناعية من المحاكاة واقعية بما يكفي للوظائف الحرجة من حيث السلامة أو المهمة”، أضاف. “كنا بحاجة إلى بيانات مولدة بالذكاء الاصطناعي لا يمكن تمييزها عن الحياة الواقعية.”

حتى في مؤتمر IEEE/CVF هذا العام حول رؤية الكمبيوتر والتعرف على الأنماط (CVPR)، كان الأشخاص في هذا المجال يحصلون على 50% فقط، كما تذكر. “كانوا مجرد تخمين”، قال باستور.

تتطلب التطبيقات التجارية للروبوتات كميات كبيرة من البيانات ذات الصلة. تمتلك المركبات ذاتية القيادة وتعرف العناصر لالتقاط التجارة الإلكترونية مجموعات بيانات معروفة ومتزايدة، ولكن يمكن أن تخدم الأتمتة العديد من التطبيقات الأخرى — إذا تم تدريبها بشكل صحيح.

DiffuseDrive تحدد وتفهم الفجوات التي يجب ملؤها

يمكن لـ DiffuseDrive سد الفجوة بين المحاكاة والواقع من خلال توليد اقتراحات بناءً على المنطق التجاري، كما أوضح باستور. وهذا يسمح لها بإنشاء مجموعات بيانات ذات صلة في أيام بدلاً من أشهر أو سنوات، كما أكد.

“يمكن لمحركات مثل GPT أو Dali توليد نماذج، ولكنك تحتاج إلى طبقة ضمان الجودة مثل DiffuseDrive”، قال. “تُبنى طبقة ضمان الجودة على التطبيق أو حالة الاستخدام من الفضاء، وما إلى ذلك، ويفهم نموذج التفكير ما تم تقديمه بالفعل.”

تستخدم DiffuseDrive كل من الطرق الكلاسيكية والجديدة للتحليل الإحصائي لفهم البيانات الموجودة بشكل سياقي وبناء نقاط البيانات، مشابهة لسحابة النقاط، كما قال باستور.

“نستخدم نظامًا منفصلًا لفهم ما يمتلكه العملاء بالفعل، مما يبني بشكل أساسي شجرة قرار”، قال. “على سبيل المثال، بالنسبة للقيادة الذاتية من المستوى 2، قمنا ببناء خريطة حرارية لسيناريوهات وقوف السيارات وتوزيع مواقع الأشياء. ثم حددت DiffuseDrive أنها كانت تفتقر إلى العناصر الكبيرة والقريبة في أوقات معينة. من خلال الوصول إلى توزيع أوسع من البيانات، قمنا بتحسين الأداء بنسبة 40%.”

العملاء يتحكمون في بيانات ODD

في الوقت نفسه، لا تطور DiffuseDrive خبرة في المجال. بدلاً من ذلك، تقوم الشركة بتمحيص وثائق عملائها وبيانات التصميم التشغيلي الواقعية (ODD).

“هم الخبراء في المجال وهم في التحكم من حيث توليد متطلباتهم”، قال باستور. “لا يريدون من أي شخص أن يتولى وظائفهم، ولكنهم يريدون منا تعزيزهم.”

بمجرد أن تحصل على البيانات الأساسية، تستخدم DiffuseDrive تقسيمًا دلاليًا، ووضع علامات سياقية وبصرية، بالإضافة إلى صناديق محيطية ثنائية وثلاثية الأبعاد. “في كل مرة يولدون فيها صورًا، تملأ خريطة نقاط البيانات، ليس فقط لملء الفجوات ولكن أيضًا لتوسيع معرفة ODD”، قال باستور.

يتحكم العملاء في بيانات مجالهم، والتي يتم تحليلها بسرعة للبحث عن الفجوات. المصدر: DiffuseDrive.

DiffuseDrive ترى فرص السوق

يمكن أن يشهد السوق العالمي للذكاء الاصطناعي في الروبوتات معدل نمو سنوي مركب يبلغ 38.5%، حيث يتوسع من 12.77 مليار دولار في عام 2023 إلى 124.77 مليار دولار بحلول عام 2030، وفقًا لـ Grand View Research.

“رؤيتنا هي أن نكون في النهاية كل نظام مستقل يستخدم بيانات DiffuseDrive — يمكن أن يكون مشروعًا لشركة أو فرد”، قال باستور. “قررنا البناء على تجربتنا مع السيارات والطائرات بدون طيار، حيث لا تزال المركبات المستقلة بحاجة إلى الكثير من البيانات، ولا تمتلك معظم الشركات حجم تسلا.”

تقوم DiffuseDrive بتسجيل موجتها الثالثة من العملاء، بعد طياري الطائرات بدون طيار ثم القيادة الذاتية ومراقبة الأمن. تشمل هؤلاء AISIN و Continental و Denso. كما قالت الشركة إنها ترى أيضًا إمكانيات في الدفاع والتخزين والبناء والزراعة.

“في CVPR، تحدثنا مع 50 عميلًا محتملًا من Fortune 500، العديد منهم ينتجون ليس فقط أنظمة مستقلة ولكن أيضًا أنظمة ثابتة مثل الروبوتات الصناعية”، قال باستور. “كان الأشخاص في الرعاية الصحية مهتمين أيضًا بإغلاق حلقة البيانات.”

في مايو، جمعت DiffuseDrive 3.5 مليون دولار في تمويل أولي، بالإضافة إلى مليون دولار تلقتها سابقًا من E2VC. كما عينت جوردان كريتشمر، شريك أول في Outlander VC ومؤسس مشارك لشركة Rapid Robotics Inc.، في مجلس إدارتها.

“لدى جوردان خبرة في استثمار الروبوتات، ورؤيتنا هي أن نكون غير محددين بالصناعة، من تطبيقات التصنيع مثل ضمان الجودة إلى الروبوتات المنزلية لالتقاط الأشياء”، قال باستور. “يجب أن تنتشر الصور الواقعية بسرعة بين مختلف القطاعات، حيث نتعلم من الجميع. المميز ليس البيانات الاصطناعية بعد الآن؛ بل إنشاء محرك البيانات.”

كما يقول شريكي المؤسس، “يتم تطوير البرمجيات بشكل تكراري، فلماذا لا يتم تطوير البيانات؟” اختتم.