Laplace Intelligence在进入现实世界之前对 robots 和 self-driving 汽车进行红色团队测试.

超级描述: Laplace Intelligence使用 AI红色团队和 Nvidia Cosmos模拟来测试机器人和自动驾驶车辆在现实世界部署之前.

标签: AI红色团队 Laplace Intelligence, Nvidia Cosmos,物理 AI,自动驾驶汽车

首选图片:抽象的模拟网格,带有闪亮的道路网络,车辆路径和传感器叠加;没有真实的人物,没有公司标志,也没有文字.

在 OpenAI 事件表明AI代理人可能是不可预测的后, Laplace Intelligence认为物理 AI需要在离开计算机之前进行更严格的安全检查.该公司将于10月13日星期一下午在市中心 San Francisco上演 Startup Battlefield舞台.它是在为期三天的比赛中竞争的20个 startups 之一.它的方法是自动化 AI红色团队:使用 AI来应力测试 robots ,自主车辆和 smart city 部署在他们操作现实世界之前.拉普莱斯注,唯一能使身体 AI安全的方式就是让 AI对其进行测试.

背景:从自然研究到物理 AI试验台

拉普拉斯公司成立于2010年,由密歇根大学的联合创始人兼首席科学家孙正义在研究如何通过模拟挑战 autonomous driving AI进行了八年的学术工作. Laplace IntelligenceAINvidia CosmosStreet ViewBot AutoHugging FaceStartup BattlefieldTechCrunch DisruptSan FranciscoAnn ArborCEOHowie SunHenry Liu20231814,Simon LaplaceGoogle Street ViewSilicon ValleySan JoseApplied Intuition$1.2$15[23][24][25][26][27][28][29][30][39][30] 年,孙和当时的博士顾问先生发表了一篇关于该主题的论文,成为"自然"杂志的封面.这本出版物引起自动驾驶汽车公司的呼叫,推动孙正确打造一款产品.

startup 的名字来自拉普拉斯的恶魔,这是法国学者Pierre-Simon Laplace的一项思维实验:如果知道宇宙中一切事物的确切状态,就可以完全准确地预测未来.Sun说Laplace本质上是利用模拟来预测现实世界的未来. Sun告诉TechCrunch,如果像 OpenAI 这样的事情发生在物理世界中,6后果会更重要,AI因为代理人正在从计算机转移到真实的系统中,人们不希望物理AI在现实世界失败.

发展:模拟街道和设计角落案例

该产品的核心是从现实世界重建的高保真模拟,与不断探测弱点和故障点的代理配对.拉普莱斯说,目标是帮助公司在部署之前发现并解决问题,并建立客户,保险公司和监管机构可以信任的共享证据.

模拟环境是以现实世界为基础的 Nvidia Cosmos 的训练后版本,这是 AI 世界仿真平台.拉普莱斯可以重建从亚利桑那州高速公路到巴黎步行者过道的任何东西.模拟混合了不同的现实世界的信息而不是生成随机场景.图像可以播种整个街道,而真实的地图数据保持其规模.开发人员可以使用语言提示来实时更改设置,例如添加下午交通.Sun说Laplace从TomTom等导航提供商获取实时流量和拥堵信息.

模拟还对其他参与者进行了模型化.在一个演示中,Sun指导测试代理车辆向相反的交通方向转动.它将撞到的汽车为了避免碰撞而偏离路面.Sun称之为真正交互性的世界模式,与会者相互反应.

startup 说其独特的销售点是 AI 创建角落案例,可能会使系统陷入困境的棘手罕见场景.这些代理可以从新闻,警方对碰撞的报告和其他信息中汲取积极挑战自动驾驶汽车和其他物理AI 代理人,让人类进一步脱离循环.今天,许多自主车辆开发者训练 AI 使用记录的镜头来处理边缘事件,然后将它们转化为模拟或依靠人类设计新情形.包括 self-driving 卡车公司Waabi在内的一些公司已经开始使用 AI 来创建边缘案件进行培训.Sun表示,当通用化的 robots 进入现实世界时,这种需求变得最明显,因为关于通用机器人的数据较少,没有人知道边缘情况将是什么.

最新进展:飞行员,利和 startup 战场

拉普莱斯表示,尽管创始人的学术背景比Silicon Valley,但它已经开始产生收入甚至是适度的利.大部分资金来自 autonomous driving 个用例.客户包括日本卡车制造商Isuzu和德克萨斯州自主卡车公司 Bot Auto. NVIDIA 也是一个客户,Sun说道.

拉普莱斯, NVIDIA 和T-Mobile正在为纽约市San Jose提供免费的 smart city 试点服务.该公司还在与合作伙伴建立仓库人形机器人的早期阶段工作.今天Laplace的大多数客户合同是基于项目的,公司正致力于实现经常性收入.其近期目标是在Disrupt可见性的帮助下筹集资金并扩大规模以与竞争对手竞争.

一个著名的竞争对手是Applied Intuition,一个处于后期阶段的 startup ,到目前为止已经筹集了21亿美元,估值22亿美元. 石.也是Applied Intuition的客户之一. Sun表示他并不太担心,因为拉普拉斯使用 AI进行测试的核心方法是一个新的范式,它将物理AI的测试转变为动态交互性测试过程. 他称这种转移是最大的护城河.

拉普莱斯现在处于学术研究,早期商业飞行员和可能带来更多可见性的竞争之间的过渡点.下一个测试是基于项目的收入是否可以成为经常性收入,以及自动化的红色团队能否成为 robots 之前的物理证据基础的一部分 AI 和车辆被部署在规模上.