Laplace Intelligence разрабатывает красные команды на базе ИИ для стресс-тестирования роботов и автономных транспортных средств

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

Laplace Intelligence, выделившаяся из Университета Мичигана, использует агентов ИИ в высокоточных реалистичных симуляциях для проактивного выявления точек отказа в робототехнике и автономных автомобилях до их внедрения, стремясь повысить безопасность и надежность.

По мере того как системы ИИ всё чаще переходят из цифровой среды в физические приложения, такие как робототехника и автономные транспортные средства, обеспечение их надежности и безопасности становится приоритетной задачей. Laplace Intelligence, стартап, основанный в 2025 году исследователями из Университета Мичигана Хауви Саном и Генри Лю, решает эту проблему, применяя красные команды на базе ИИ в интерактивных высокоточных симуляциях. Их подход направлен на выявление возможных сбоев до выхода таких систем в реальный мир.

Технология Laplace сочетает детальные симуляции, основанные на реальных данных, с автономными агентами ИИ, задачей которых является исследование и стресс-тестирование физических систем ИИ. Симуляции создаются с использованием платформы Nvidia Cosmos, позволяющей точно воспроизвести различные среды — от шоссе в Аризоне до пешеходных переходов в Париже — используя географические и визуальные данные, такие как изображения Google Street View. Пользователи могут динамически изменять сценарии, включая в них актуальные условия, например, уровень трафика, получаемый от провайдеров вроде TomTom.

Особенность Laplace — акцент на агентах ИИ, которые активно генерируют редкие и сложные сценарии, известные как крайние случаи (corner cases), чтобы тестировать автономные системы. Эти кейсы могут основываться на разнообразных источниках, включая новости и отчеты полиции о ДТП, заставляя физический ИИ справляться с непредвиденными или сложными ситуациями. Это представляет собой сдвиг от традиционных методов тестирования, основанных на сценариях, разработанных людьми, или записанных видео.

Компания получила первоначальные успехи преимущественно в области автономного вождения. Среди её клиентов — японский производитель грузовиков Isuzu, компания Bot Auto из Техаса, специализирующаяся на автономной грузоперевозке, и Nvidia, с которой Laplace сотрудничает также с T-Mobile в пилотном проекте умного города в Сан-Хосе, Калифорния. Ранние проекты охватывают также гуманоидную робототехнику, используемую на складах. Несмотря на ранний этап развития, Laplace начал генерировать доход и работать с прибылью.

Соучредитель Sun подчеркивает, что их методология представляет собой новую парадигму тестирования физического ИИ, превращая процесс в динамическое, интерактивное мероприятие, которое лучше прогнозирует и предотвращает сбои. Их работа основана на академических исследованиях, ранее опубликованных в журнале Nature, что подтверждает строгую научную базу продукта стартапа.

На фоне конкурентов, таких как Applied Intuition с их значительным финансированием и рыночным присутствием, Laplace планирует расширяться за счет грядущих раундов финансирования и углубления проникновения на рынок. Участие в конкурсах, таких как TechCrunch Disrupt’s Startup Battlefield, помогает повысить узнаваемость стартапа, который стремится стать надежным поставщиком строгих тестирований безопасности ИИ для робототехники и автономных транспортных средств.

В заключение, Laplace Intelligence использует ИИ для тестирования ИИ посредством создания реалистичных адаптивных симуляций, выявляющих уязвимости ещё до внедрения в реальный мир. Такой упор на превентивное обнаружение сбоев отражает растущую необходимость обеспечения безопасности и надежности физических систем ИИ по мере их расширения.