Ключевые выводы
- Antioch привлек $8,5 млн в раунде seed, оценив компанию в $60 млн.
- Симуляторы компании позволяют создавать цифровые копии роботов и тестировать их в виртуальных датчиках, сокращая необходимость в реальных тестовых площадках.
- Сокращение разрыва sim-to-real критично для масштабирования автономных систем в автомобилях, дронах и промышленной технике.
Робототехника стоит на пороге перехода от дорогих физических полигонов к гибким виртуальным лабораториям. Если вы хотите понять, почему симуляция становится обязательным инструментом, читайте дальше.
Почему роботам нужен «цифровой двойник»?
Физический ИИ обещает, что инженеры смогут программировать роботов так же просто, как пишут код для приложений. На практике это пока не так – собрать реальный склад для отладки занимает недели, а собрать данные с реальных фабрик часто связано с наблюдением за людьми.
Симуляция решает эту проблему: она дает бесконечный поток данных без необходимости строить стенды. Вместо того чтобы вбирать сотни тонн оборудования, разработчики могут запустить десятки виртуальных копий робота, каждый из которых «видит» мир через искусственные датчики.
Но есть один важный нюанс – виртуальная физика должна соответствовать реальной. Иначе обученный в симуляции робот будет вести себя неожиданно, когда его перенесут в физический мир.
Antioch – как они пытаются закрыть «разрыв sim‑to‑real»
Стартап из Нью‑Йорка, основанный в мае 2023 года, сосредоточился на создании платформы, где роботы могут «оживать» в цифровой среде. CEO Гарри Меллсоп говорит, что цель – добиться того, чтобы симуляция «чувствовалась» как реальность с точки зрения автономной системы.
Для этого Antioch использует базовые движки от Nvidia, World Labs и других, добавляя к ним специализированные библиотеки, ориентированные на датчики и восприятие. Клиенты получают готовый набор «цифровых датчиков», которые отдают те же потоки данных, что и реальные камеры, лидары или инерционные измерители.
Платформа позволяет проводить три основных задачи:
- Тестировать крайние сценарии (edge cases) без риска поломать дорогое оборудование.
- Запускать обучение с подкреплением (reinforcement learning) в безопасной среде.
- Генерировать новые обучающие наборы данных для улучшения моделей восприятия.
Суть подхода проста: если физика в симуляции точно воспроизводит реальность, то «обратная связь» между виртуальным и настоящим миром закрывается, и цикл разработки ускоряется в 10‑20 раз.
Кому нужен такой инструмент?
Большие автопроизводители уже инвестируют в симуляторы: Waymo использует модели мира от DeepMind для проверки автопилота. Но большинство стартапов не могут позволить себе миллионные бюджеты на полигонные тесты.
Antioch ориентирован именно на такие компании – от небольших фирм, разрабатывающих сельскохозяйственные дроны, до производителей строительных машин. Их платформа превращает любые роботы в «приложения», которые можно быстро развернуть в облаке.
Инвесторы видят в этом шанс создать «инфраструктуру как сервис» для физического ИИ, аналогичную тому, как Github, Stripe и Twilio стали базой для SaaS‑ректоратов.
Кто поддержал проект?
Сид‑раунд в $8,5 млн возглавили венчурные фонды A* и Category Ventures. Среди прочих инвесторов – MaC Venture Capital, Abstract, Box Group и Icehouse Ventures.
Одним из ангельских инвесторов стал Адриан Макнил, бывший руководитель данных в Cruise и основатель Foxglove – компании, которая тоже строит пайплайны данных для физического ИИ.
Макнил отмечает, что без симуляции невозможно собрать «сafety case» для систем, где от ошибки может зависеть жизнь людей, например, в автопилотах.
Примеры практического применения
Исследователь MIT Дэвид Майо использует платформу Antioch, чтобы проверять, как большие языковые модели (LLM) могут проектировать роботов. В одном эксперименте LLM «проектируют» робота, а потом тестируют его в симуляторе, где два робота соревнуются – кто быстрее вытолкнет соперника с платформы.
Такие «цифровые баталии» дают новое измерение оценке ИИ: вместо традиционных метрик (точность, скорость) можно смотреть, как модель справляется в динамической, многопользовательской среде.
Какие вызовы остаются?
Главный вопрос – насколько быстро симуляторы смогут отразить сложные физические явления: трение, гибкость материалов, шум датчиков. Пока большинство компаний используют упрощённые модели, что ограничивает переносимость в реальный мир.
Кроме того, растёт потребность в открытых инструментах для создания симуляций, чтобы небольшие команды могли быстро настраивать свои сценарии без глубоких знаний в физике.
Тем не менее, если Antioch и похожие стартапы смогут стандартизировать процесс, то «цифровой двойник» станет обычной практикой, а разработка роботов – делом минут, а не лет.
Справка
Antioch – стартап из Нью‑Йорка, основанный в 2023 году Гарри Меллсопом и четырьмя сооснователями (Алекс Лангшур, Майкл Калви, Коллин Шлагер, Колтон Свингл). Компания разрабатывает симуляторы для робототехники, фокусируясь на датчиках и восприятии. В 2024 году привлекла $8,5 млн в раунде seed, оценив себя в $60 млн.
Гарри Меллсоп – генеральный директор и сооснователь Antioch. Ранее работал в области стартапов в сфере кибербезопасности, соучредив Transpose, который был продан Chainalysis.
Алекc Лангшур и Майкл Калви – сооснователи Transpose, компании в сфере аналитики криптовалют, проданной Chainalysis за неизвестную сумму.
Коллин Шлагер – бывший инженер в Google DeepMind, участвовал в проектах по обучению ИИ в сложных средах.
Колтон Свингл – бывший специалист по AR/VR в Meta* Reality Labs, занимавшийся реальными и виртуальными сенсорами.
Adrian MacNeil – предприниматель, бывший глава дата‑инфраструктуры в Cruise, основатель Foxglove, ныне ангельский инвестор в Antioch. Он известен тем, что продвигает открытые пайплайны данных для физического ИИ.
Если симуляторы станут настолько же привычны, как IDE для программиста, то развитие физического ИИ ускорится в разы. Antioch уже показал, что такой путь возможен.
