Laplace Intelligence автоматизирует стресс-тесты роботов и беспилотников

Стартап Laplace Intelligence из Анн-Арбора разрабатывает автоматизированное тестирование физического ИИ: система ищет сбои у роботов, беспилотных автомобилей и решений для умных городов в симуляции до развёртывания. Компания называет среди клиентов японского производителя грузовиков Isuzu, автономную транспортную компанию Bot Auto и Nvidia.

Подход Laplace основан на red teaming — преднамеренном поиске сценариев, в которых система может повести себя неправильно. Генеральный директор и сооснователь Howie Sun считает, что по мере перехода ИИ-агентов из цифровой среды в физический мир проверку таких систем также нужно автоматизировать с помощью ИИ.

Симуляция, привязанная к реальной среде

В основе продукта лежит высокодетализированная симуляция, реконструированная по данным из реального мира. Laplace использует дообученную версию Nvidia Cosmos — платформы моделирования миров на базе ИИ. Компания заявляет, что может воссоздавать, например, шоссе в Аризоне или пешеходный переход в Париже.

Для генерации сцены объединяются несколько типов сведений. Изображение Google Street View может стать отправной точкой для создания улицы, а картографические данные помогают сохранить масштаб и устройство пространства. Разработчик может текстовым запросом изменить условия, например добавить дневной трафик. Информацию о загруженности дорог Laplace получает от навигационных провайдеров, включая TomTom.

Моделируется не только окружение, но и поведение участников движения. Во время демонстрации тестовый автомобиль получил команду выехать на встречную полосу, а машина на его траектории изменила движение, чтобы избежать столкновения. Sun описывает среду как интерактивную: участники реагируют друг на друга, а не остаются статичными объектами сцены.

ИИ ищет редкие сценарии

Ключевой элемент платформы — ИИ-агенты, которые автоматически проектируют сложные и редкие случаи, способные нарушить работу автономной системы. Для этого они могут использовать новости, полицейские отчёты о ДТП и другие сведения. Цель — уменьшить зависимость от ручного составления тестов.

Сейчас разработчики автономного транспорта часто обучают системы на записанном видеоматериале, преобразованном в симуляции, либо поручают людям придумать новые сценарии. Sun отмечает, что особенно мало данных существует для универсальной робототехники: заранее неизвестно, какие нестандартные ситуации встретятся роботам в реальной среде.

Клиенты и развитие продукта

Большая часть выручки Laplace сейчас связана с задачами автономного вождения, а контракты преимущественно имеют проектный формат. Компания планирует перейти к повторяющейся выручке. Вместе с Nvidia и T-Mobile стартап участвует в бесплатном пилоте для Сан-Хосе, посвящённом высокоуровневому управлению дорожным движением. Также Laplace начинает работать с партнёрами, создающими гуманоидных складских роботов.

Для бизнеса такой инструмент означает возможность проверять поведение физического ИИ в изменяемой интерактивной модели, прежде чем выпускать систему на дорогу, склад или городскую инфраструктуру. Laplace делает ставку на то, что результаты этих испытаний помогут выявлять проблемы до внедрения и формировать доказательную базу для заказчиков, страховщиков и регуляторов.