Laplace Intelligence rozwija red teaming napędzany przez AI do testów obciążeniowych robotów i pojazdów autonomicznych

Image: Howie Sun, CEO, Laplace Intelligence.Image Credits:Laplace Intelligence · Source

Laplace Intelligence, wyodrębniona z Uniwersytetu Michigan, wykorzystuje agentów AI w wysokiej jakości symulacjach rzeczywistych, aby proaktywnie identyfikować punkty awarii w robotyce i samochodach autonomicznych przed wdrożeniem, mając na celu poprawę bezpieczeństwa i niezawodności.

W miarę jak systemy AI coraz częściej przenikają z środowisk cyfrowych do zastosowań fizycznych, takich jak robotyka i pojazdy autonomiczne, zapewnienie ich niezawodności i bezpieczeństwa staje się kwestią kluczową. Laplace Intelligence, startup założony w 2025 roku przez badaczy z Uniwersytetu Michigan, Howiego Suna i Henry'ego Liu, podejmuje to wyzwanie stosując red teaming napędzany przez AI w interaktywnych, wysokiej jakości symulacjach. Ich podejście ma na celu wykrycie potencjalnych błędów, zanim takie systemy trafią do rzeczywistego świata.

Technologia Laplace łączy szczegółowe symulacje oparte na danych rzeczywistych z autonomicznymi agentami AI odpowiedzialnymi za badanie i testowanie odporności systemów AI działających w fizycznym świecie. Symulacje są budowane przy użyciu platformy Nvidia Cosmos, która pozwala na dokładne odtworzenie różnych środowisk — od autostrad w Arizonie po przejścia dla pieszych w Paryżu — bazując na danych geograficznych i wizualnych, takich jak obrazy z Google Street View. Użytkownicy mogą dynamicznie modyfikować scenariusze, włączając warunki na żywo, takie jak natężenie ruchu pochodzące od dostawców typu TomTom.

Co wyróżnia Laplace, to skupienie na agentach AI aktywnie generujących rzadkie i wymagające scenariusze, znane jako przypadki krawędziowe, mające na celu testowanie systemów autonomicznych. Przypadki te mogą pochodzić z różnych źródeł, w tym wydarzeń w wiadomościach i raportów kolizji policyjnych, zmuszając fizyczne AI do radzenia sobie z nieprzewidywalnymi lub trudnymi sytuacjami. Oznacza to odejście od tradycyjnych metod testowania opartych na scenariuszach zaprojektowanych przez ludzi lub nagranych materiałach.

Firma odniosła początkowy sukces głównie w dziedzinie autonomicznej jazdy. Do jej klientów należą japoński producent ciężarówek Isuzu, firma Bot Auto z Teksasu specjalizująca się w autonomicznym transporcie ciężarowym oraz Nvidia, z którą Laplace współpracuje także z T-Mobile przy pilotażowym projekcie inteligentnego miasta w San Jose w Kalifornii. Wczesne zaangażowanie obejmuje również roboty humanoidalne używane w magazynach. Pomimo wczesnej fazy rozwoju, Laplace zaczęło generować przychody i działać rentownie.

Współzałożyciel Sun podkreśla, że ich metodologia to nowy paradygmat testowania fizycznej AI, przekształcający ją w dynamiczny, interaktywny proces, który lepiej przewiduje i zapobiega awariom. Ich prace bazują na badaniach naukowych wcześniej publikowanych w czasopiśmie Nature, co podkreśla rygorystyczną podstawę naukową produktu startupu.

W obliczu konkurencji, takiej jak Applied Intuition, posiadającej znaczne finansowanie i obecność na rynku, Laplace planuje rozwój poprzez kolejne rundy finansowania i większą penetrację rynku. Udział w konkursach takich jak TechCrunch Disrupt’s Startup Battlefield pomaga zwiększyć rozpoznawalność startupu, który aspiruje do bycia zaufanym dostawcą rygorystycznych testów bezpieczeństwa AI dla robotyki i pojazdów autonomicznych.

Podsumowując, Laplace Intelligence wykorzystuje AI do testowania AI poprzez tworzenie realistycznych, adaptacyjnych symulacji odsłaniających podatności przed wdrożeniem w rzeczywistym świecie. Ten nacisk na wykrywanie awarii z wyprzedzeniem odzwierciedla rosnącą konieczność zapewnienia bezpiecznej i niezawodnej pracy fizycznych systemów AI w miarę ich upowszechniania.