تواجه الروبوتات والذكاء الاصطناعي تحديات كبيرة في الحصول على البيانات اللازمة للتدريب. تقدم شركة DiffuseDrive حلاً مبتكرًا لمشكلة نقص البيانات من خلال تقنيات متقدمة.
تقوم DiffuseDrive بإنشاء صور فوتوغرافية واقعية مثل هذه من مجموعات بيانات العالم الحقيقي. المصدر: DiffuseDrive
تحتاج الروبوتات والذكاء الاصطناعي إلى كميات هائلة من البيانات للتدريب، وإذا كانت هذه البيانات اصطناعية، يجب أن تكون واقعية قدر الإمكان. يمكن أن يكون جمع البيانات من العالم الحقيقي مكلفًا ويستغرق وقتًا طويلاً، بينما كانت البيانات المستندة إلى المحاكاة تأتي عادةً من محركات الألعاب مما أدى إلى فجوات بين المحاكاة والواقع. تدعي شركة DiffuseDrive أن منصتها للذكاء الاصطناعي التوليدي تقيم البيانات الموجودة، وتحدد ما ينقصها، وتستخدم نماذج الانتشار الخاصة بها لإنشاء بيانات فوتوغرافية واقعية.
أسس بالينت باستور، مهندس، ورولاند بينتر، فيزيائي، شركة DiffuseDrive في عام 2023 بعد لقائهما في شركة بوش. ثم انتقلوا بالشركة من هنغاريا إلى سان فرانسيسكو.
“لقد عملنا سابقًا على القيادة الذاتية من المستوى الرابع لصالح بورش”، قال باستور لـ The Robot Report. “نقص البيانات هو القطعة المفقودة لحل لغز الذكاء الاصطناعي الفيزيائي، والذي يمتد إلى التصنيع، والمراقبة، والزراعة، والفضاء.”
المؤسسون المشاركون لشركة DiffuseDrive: المدير الفني رولاند بينتر (يسار) والمدير التنفيذي بالينت باستور (يمين).
الذكاء الاصطناعي يحتاج إلى بيانات محددة للنطاق
“تستخدم الصناعة نفس النماذج منذ أوائل العقد الأول من القرن الحادي والعشرين، ولا تمتلك شركات صناعة السيارات ومطورو الروبوتات بيانات واقعية كافية تغطي مجالات تصميم التشغيل الخاصة بهم”، قال باستور، الذي أصبح الآن المدير التنفيذي لشركة DiffuseDrive.
“لم تكن البيانات الاصطناعية من المحاكاة واقعية بما يكفي للوظائف الحرجة للسلامة أو المهام المهمة”، أضاف. “كنا بحاجة إلى بيانات تم إنشاؤها بواسطة الذكاء الاصطناعي لا يمكن تمييزها عن الحياة الحقيقية.”
حتى في مؤتمر IEEE/CVF هذا العام حول رؤية الكمبيوتر والتعرف على الأنماط (CVPR)، كان الأشخاص في هذا المجال يحصلون فقط على 50%، كما تذكر. “كانوا مجرد يخمنون”، 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، لكن يمكن أن تخدم الأتمتة العديد من التطبيقات الأخرى — إذا تم تدريبها بشكل صحيح.
تحدد DiffuseDrive الفجوات التي يجب ملؤها
يمكن لشركة DiffuseDrive سد الفجوة بين المحاكاة والواقع من خلال توليد اقتراحات بناءً على منطق الأعمال، 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 إنشاء نماذج، لكنك بحاجة 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 طرقًا كلاسيكية وجديدة من التحليل الإحصائي لفهم البيانات الموجودة بشكل سياقي وبناء نقاط بيانات، 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 الثاني، قمنا بإنشاء خريطة حرارية لسيناريوهات وقوف السيارات وتوزيع مواقع الكائنات. ثم حددت DiffuseDrive أنها كانت تفتقر إلى العناصر الكبيرة والقريبة في أوقات معينة. من خلال الحصول على 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 بمعالجة وثائق عملائها وبيانات مجال التصميم التشغيلي (ODD) من العالم الحقيقي.
“هم الخبراء في المجال وهم في السيطرة من حيث توليد متطلباتهم”، قال باستور. “لا يريدون من أي شخص أن يتولى وظائفهم، ولكنهم يريدون منا أن نساعدهم.”
بمجرد أن تحصل على البيانات الأساسية، تستخدم DiffuseDrive تقسيمًا دلاليًا، ووضع علامات سياقية ومرئية، بالإضافة إلى صناديق محيط ثنائية وثلاثية الأبعاد. “في كل مرة يولدون فيها صورًا، يمتلئ خريطة نقاط البيانات، ليس فقط لملء الفجوات ولكن أيضًا لتوسيع معرفة ODD”، قال باستور.
العملاء يتحكمون في بيانات مجالهم، والتي يتم تحليلها بسرعة للبحث عن الفجوات. المصدر: DiffuseDrive.
DiffuseDrive ترى فرص السوق
قد يشهد السوق العالمي للذكاء الاصطناعي في الروبوتات معدل نمو سنوي مركب قدره 38.5%، حيث يتوسع من 12.77 مليار دولار في عام 2023 إلى 124.77 مليار دولار بحلول عام 2030، وفقًا لشركة Grand View Research.
“رؤيتنا هي أن تستخدم كل نظام ذاتي في النهاية بيانات DiffuseDrive — يمكن أن يكون مشروعًا مؤسسيًا أو مشروعًا فرديًا”، قال باستور. “قررنا البناء على تجربتنا مع السيارات والطائرات بدون طيار، حيث لا تزال المركبات الذاتية 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 الأمان. تشمل هؤلاء AISIN و Continental و Denso. قالت الشركة إنها ترى أيضًا إمكانات في الدفاع، والتخزين، والبناء، والزراعة.
“في CVPR، تحدثنا مع 50 عميلًا محتملاً من Fortune 500، العديد منهم ينتجون ليس فقط أنظمة ذاتية ولكن أيضًا أنظمة ثابتة مثل الروبوتات الصناعية”، قال باستور. “كان الأشخاص في مجال الرعاية الصحية مهتمين أيضًا بإغلاق حلقة البيانات.”
في مايو، جمعت DiffuseDrive 3.5 مليون دولار في تمويل أولي، بالإضافة إلى مليون دولار حصلت عليها سابقًا من E2VC. كما عينت جوردان كريتشمر، شريك أول في Outlander VC ومؤسس مشارك لشركة Rapid Robotics Inc. في مجلس إدارتها.
“يمتلك جوردان خبرة في استثمار الروبوتات، وفرضيتنا هي أن نكون غير محددين بالصناعة، من تطبيقات التصنيع مثل ضمان الجودة إلى الروبوتات المنزلية لجمع العناصر”، قال باستور. “يجب أن تنتشر الصور الواقعية بسرعة بين مختلف القطاعات، حيث نتعلم من الجميع. الفرق ليس في البيانات الاصطناعية بعد الآن؛ بل في إنشاء محرك البيانات.”
كما يقول شريكي المؤسس، “يتم تطوير البرمجيات بشكل تكراري، فلماذا لا يتم تطوير البيانات؟”
مع استمرار تطور التكنولوجيا، من المتوقع أن تلعب DiffuseDrive دورًا رئيسيًا في تعزيز قدرات الذكاء الاصطناعي والروبوتات من خلال توفير بيانات دقيقة وواقعية.
