Laplace Intelligence utvikler AI-drevet red teaming for å stressteste roboter og autonome kjøretøy

Bilde: Howie Sun, CEO, Laplace Intelligence.Image Credits:Laplace Intelligence · Kilde

Laplace Intelligence, spunnet ut fra University of Michigan, bruker AI-agenter i høyoppløselige virkelighetsnære simuleringer for å proaktivt identifisere feilsteder i robotikk og selvkjørende biler før de tas i bruk, med mål om å forbedre sikkerhet og pålitelighet.

Pålitelighet og sikkerhet for AI-systemer i fysiske applikasjoner

Ettersom AI-systemer i økende grad flytter fra digitale miljøer til fysiske applikasjoner som robotikk og autonome kjøretøy, blir det avgjørende å sikre deres pålitelighet og sikkerhet. Laplace Intelligence, en oppstart grunnlagt i 2025 av forskere fra University of Michigan, Howie Sun og Henry Liu, møter denne utfordringen ved å bruke AI-drevet red teaming i interaktive, høyoppløselige simuleringer. Deres tilnærming har som mål å avdekke potensielle feil før slike systemer tas i bruk i den virkelige verden.

Teknologien bak Laplace Intelligence

Laplaces teknologi kombinerer detaljerte simuleringer basert på virkelige data med autonome AI-agenter som har i oppgave å undersøke og stressteste fysiske AI-systemer. Simuleringene er bygget med Nvidias Cosmos-plattform, som gir en nøyaktig rekonstruksjon av ulike miljøer – fra motorveier i Arizona til fotgjengeroverganger i Paris – ved bruk av geografiske og visuelle data, som Google Street View-bilder. Brukere kan endre scenarier dynamisk, inkludert sanntidsforhold som trafikknivåer hentet fra leverandører som TomTom.

Fokus på sjeldne og utfordrende scenarier

Det som skiller Laplace er fokuset på AI-agenter som aktivt genererer sjeldne og utfordrende scenarier, kjent som corner cases, for å teste autonome systemer. Disse tilfellene kan komme fra ulike kilder, inkludert nyhetshendelser og politirapporter om kollisjoner, som tvinger fysisk AI til å håndtere uforutsette eller vanskelige situasjoner. Dette representerer et skifte fra tradisjonelle testmetoder som baserer seg på menneskedesignede scenarier eller innspilt materiale.

Marked og samarbeid

Selskapet har funnet tidlig suksess hovedsakelig innen autonom kjøring. Deres kunder inkluderer den japanske lastebilprodusenten Isuzu, det autonome lastebilselskapet Bot Auto i Texas, og Nvidia, som sammen med Laplace samarbeider med T-Mobile i et smart by-prosjekt i San Jose, California. Tidlige oppdrag dekker også humanoide roboter brukt i lager. Selv om de fortsatt er i en tidlig fase, har Laplace begynt å generere inntekter og drives lønnsomt.

Et nytt paradigme for testing av fysisk AI

Laplaces medgrunnlegger Howie Sun fremhever deres metode som et nytt paradigme for testing av fysisk AI, som forvandler det til en dynamisk, interaktiv prosess som bedre kan forutsi og forhindre feil. Arbeidet deres bygger på akademisk forskning tidligere publisert i tidsskriftet Nature, noe som viser den strenge vitenskapelige forankringen bak startupens produkt.

Utsikter og konkurranse

Med konkurrenter som Applied Intuition som har betydelig finansiering og markedsnærvær, sikter Laplace på å skalere opp gjennom kommende finansieringsrunder og økt markedsinntrengning. Deltakelse i konkurranser som TechCrunch Disrupt’s Startup Battlefield bidrar til å øke oppstartens profil mens de streber etter å bli en betrodd leverandør av grundige AI-sikkerhetstester for robotikk og autonome kjøretøy.

Oppsummering

Oppsummert bruker Laplace Intelligence AI til å teste AI ved å skape realistiske, adaptive simuleringer som avslører sårbarheter før virkelighetens utrulling. Dette fokuset på forebyggende feiloppdagelse reflekterer det økende behovet for å sikre at fysiske AI-systemer opererer trygt og pålitelig etter hvert som de blir mer utbredt.