Laplace Intelligence utvecklar AI-driven red teaming för att stresstesta robotar och autonoma fordon

Bild: Howie Sun, CEO, Laplace Intelligence.Image Credits:Laplace Intelligence · Källa

Laplace Intelligence, en avknoppning från University of Michigan, använder AI-agenter inom högupplösta verklighetstrogna simuleringar för att proaktivt identifiera felpunkter i robotik och självkörande bilar innan de tas i bruk, med målet att förbättra säkerhet och tillförlitlighet.

AI-systemens pålitlighet och säkerhet i fysiska tillämpningar

När AI-system i allt högre grad går från digitala miljöer till fysiska tillämpningar som robotik och autonoma fordon blir det avgörande att säkerställa deras pålitlighet och säkerhet. Laplace Intelligence, en startup grundad 2025 av universitetsforskare från University of Michigan, Howie Sun och Henry Liu, tar sig an denna utmaning genom att använda AI-driven red teaming inom interaktiva, högupplösta simuleringar. Deras metod syftar till att avslöja potentiella fel innan sådana system tas i bruk i verkliga världen.

Teknologin bakom Laplace Intelligence

Laplaces teknologi kombinerar detaljerade simuleringar baserade på verkliga data med autonoma AI-agenter som har till uppgift att undersöka och stresstesta fysiska AI-system. Simuleringarna byggs upp med hjälp av Nvidias Cosmos-plattform, vilket möjliggör en noggrann rekonstruktion av olika miljöer – från motorvägar i Arizona till fotgängarövergångar i Paris – genom att använda geografiska och visuella data såsom Google Street View-bilder. Användare kan dynamiskt ändra scenarier, där de kan införliva realtidsförhållanden som trafiknivåer hämtade från leverantörer som TomTom.

Fokus på sällsynta och utmanande scenarier

Det som särskiljer Laplace är deras fokus på AI-agenter som aktivt genererar sällsynta och utmanande scenarier, så kallade corner cases, för att testa autonoma system. Dessa fall kan härledas från olika källor, inklusive nyhetshändelser och polisrapporter om kollisioner, vilket pressar den fysiska AI:n att hantera oförutsedda eller svåra situationer. Detta innebär en förskjutning från traditionella testmetoder som bygger på människodesignade scenarier eller inspelat material.

Marknad och samarbeten

Företaget har hittat tidig framgång främst inom autonom körning. Deras kunder inkluderar den japanska lastbilstillverkaren Isuzu, det autonoma lastbilsföretaget Bot Auto i Texas, samt Nvidia, med vilka Laplace samarbetar tillsammans med T-Mobile i ett smart stadsprojekt i San Jose, Kalifornien. Tidiga uppdrag sträcker sig även till humanoida robotar som används i lagerverksamhet. Även om företaget befinner sig i ett tidigt stadium har Laplace börjat generera intäkter och är verksam med vinst.

En ny paradigm inom testning av fysisk AI

Laplaces medgrundare Howie Sun betonar deras metodik som ett nytt paradigm inom testning av fysisk AI, som förvandlar den till en dynamisk, interaktiv process som bättre kan förutsäga och förhindra fel. Deras arbete bygger på akademisk forskning, tidigare publicerad i tidskriften Nature, vilket belyser den rigorösa vetenskapliga grunden bakom startupens produkt.

Utsikter och konkurrens

Med konkurrenter som Applied Intuition, som har betydande finansiering och marknadsnärvaro, siktar Laplace på att skala upp genom kommande finansieringsrundor och ökad marknadsgenomslag. Deltagande i tävlingar som TechCrunch Disrupt’s Startup Battlefield hjälper till att stärka företagets profil när de strävar efter att bli en betrodd leverantör av rigorösa AI-säkerhetstester för robotik och autonoma fordon.

Sammanfattning

Sammanfattningsvis utnyttjar Laplace Intelligence AI för att testa AI genom att skapa realistiska, adaptiva simuleringar som exponerar sårbarheter före verklig användning. Detta fokus på förebyggande felupptäckt speglar det växande behovet av att säkerställa att fysiska AI-system fungerar säkert och tillförlitligt när de blir alltmer utbredda.