Physicl lève 10 M$ pour accélérer l’entraînement des robots grâce à la simulation 3D

Physicl, jeune pousse française, a annoncé le 6 novembre une levée de fonds de 10 millions de dollars, menée par Inovia Capital avec la participation d’US Venture Partners. Cette enveloppe finance le développement de son outil : Studio, une plateforme qui génère des environnements 3 D destinés à l’entraînementTrainingProcessus durant lequel un modèle ajuste ses paramètres à partir de données afin d'améliorer ses performances. des robots.

Un besoin de données rares

En robotique, les cas limites – objets partiellement cachés, éclairage difficile, surfaces glissantes – sont coûteux à recueillir dans le monde réel. Les vidéos classiques offrent de nombreuses images mais peu d’informations sur la géométrie ou la physique des scènes. La téléopération, quant à elle, fournit des données proches du terrain mais reste lente et onéreuse. Physicl veut combler ce vide en convertissant des captures incomplètes en représentations 3 D cohérentes, capables de reproduire dimensions, surfaces et interactions physiques.

Studio, un catalogue évolutif

Le premier produit met à disposition 10 000 environnements 3 D et 100 000 objets numériques. Les équipes peuvent composer leurs propres scènes et générer des jeux de données synthétiquesDonnées synthétiquesDonnées générées artificiellement pour simuler ou compléter des données réelles, notamment lors de l'entraînement de modèles. adaptés à un problème de perception ou de manipulation. Parmi les premiers utilisateurs, SpAItial, qui crée des modèles capables de produire des mondes 3 D à partir d’images 2 D, s’appuie sur ces données pour entraîner son modèle Echo‑3.

Physicl ne se contente pas d’un catalogue statique. La plateforme est conçue pour ingérer en continu de gros volumes d’images ou de relevés lidar et en extraire des variantes d’entraînement, augmentant ainsi le nombre de scénarios disponibles sans nécessiter de nouvelles captures physiques.

Vers une réduction du coût des essais

Si la génération de scènes synthétiques permet de combler les lacunes de l’apprentissage, le gain économique réside dans la diminution du nombre d’essais réels à réaliser avant le déploiement. Les robots devront toujours être validés sur du matériel réel, mais les équipes pourraient se concentrer davantage sur les situations rares, comme une tasse placée dans l’ombre ou un objet perdu au milieu d’un plan de travail encombré.

Le véritable test restera la capacité de ces environnements à améliorer les politiques de contrôle sur du matériel réel. Une scène réaliste à l’écran n’a de valeur que si elle conduit à un comportement plus fiable dans l’usine, l’entrepôt ou le domicile.

Un marché concurrentiel

Le secteur de la simulation robotique compte déjà plusieurs fournisseurs de moteurs physiques, de données synthétiques et de modèles du monde. La qualité visuelle n’est plus suffisante ; les environnements doivent reproduire contacts, frottements et échecs rares, essentiels à la sécurité des systèmes autonomes. Physicl devra donc fournir des benchmarks indépendants démontrant que ses scènes améliorent concrètement les performances des robots sur le terrain.

En attendant ces validations, la levée de fonds indique un fort intérêt des investisseurs pour les solutions qui rapprochent la simulation de la réalité physique, un pas de plus vers des robots plus adaptables et économiques.