Machenta — спинout Имперского колледжа Лондона (Imperial College London) — привлёк $40 млн посевных инвестиций на разработку ИИ-моделей, которые позволят роботам осваивать новые задачи по одной демонстрации. По данным Imperial, раунд возглавили фонды Creandum и Union Square Ventures. Колледж назвал эту сделку крупнейшим посевным раундом среди робототехнических стартапов Великобритании.
Средства пойдут на масштабирование так называемой фундаментальной модели роботов и расширение команды: компания открывает новый офис и лабораторию в лондонском районе Кингс-Кросс.
Откуда выросла компания
Machenta появилась из исследований лаборатории Robot Learning Lab при Имперском колледже. Её сооснователь и глава Эдвард Джонс, профессор роботизированного обучения, вместе с аспирантом Виталисом Восилюсом несколько лет изучал, как научить роботов быстрее осваивать физические задачи.
Существующие системы обычно требуют многократных демонстраций и дополнительного дообучения модели, прежде чем робот сможет выполнить новую задачу. Machenta заявляет, что её модель сводит процесс к одной демонстрации: конечный пользователь просто показывает роботу, что делать, без переобучения системы под каждую новую задачу.
«Мы годами пытались понять, что нужно, чтобы роботы учились со скоростью человека. В этом и суть мгновенного обучения роботов», — сказал Джонс.
Данные из симуляции
По словам компании, одна и та же модель уже демонстрировала выполнение задач на упаковку и наведение порядка на разных типах роботов, включая гуманоидов. Следующий шаг — масштабировать модель на разные машины и задачи вместо обучения отдельных систем под конкретные устройства и применения.
Отличается и подход к данным для предобучения. Вместо больших массивов, собранных с реальных человеческих демонстраций, модель Machenta обучена целиком на симулированных данных. Это сокращает объём физического сбора данных перед развёртыванием робототехнической системы.
В Imperial добавили, что такой подход также позволяет обойти часть практических ограничений и ограничений приватности, связанных со сбором больших объёмов данных человеческих демонстраций.
