A empresa utiliza clipes de jogos eletrônicos com etiquetas de ação embutidas para acelerar o processo de aprendizado de inteligência artificial na robótica.
A startup General Intuition secured US$ 320 milhões em um novo aporte financeiro para desenvolver sua tecnologia de treinamento de robôs. O modelo de negócios da empresa chama atenção por aplicar uma metodologia inusitada no setor de inteligência artificial: o uso de dados gerados a partir de videogames para acelerar a capacitação de sistemas robóticos.
Segundo o The Robot Report, a estratégia tecnológica da companhia consiste na utilização de clipes de jogos eletrônicos que vêm acompanhados de etiquetas de ação embutidas. Essa estrutura de dados serve como um atalho para o aprendizado de máquina, permitindo que a IA compreenda e replique movimentos de forma mais rápida em comparação aos métodos tradicionais de treinamento.
A aplicação de ambientes virtuais e dados sintéticos tem ganhado espaço no desenvolvimento da robótica, uma vez que o treinamento puramente físico enfrenta limitações de tempo e custo. Ao extrair informações de ações já mapeadas em jogos, a General Intuition busca contornar essas barreiras e otimizar o reconhecimento de padrões pelos algoritmos.
O volume expressivo de capital obtido pela empresa reflete o atual movimento do mercado de tecnologia, que continua a direcionar grandes somas de investimento para soluções voltadas à automação e à robótica avançada. O financiamento deverá ser destinado à expansão das pesquisas e ao aprimoramento da plataforma de treinamento da startup.
A empresa utiliza clipes de jogos eletrônicos com etiquetas de ação embutidas. Esses dados servem como um atalho para o aprendizado de máquina, permitindo que a IA compreenda e replique movimentos de forma mais rápida do que os métodos tradicionais.
A startup General Intuition secured US$ 320 milhões em um novo aporte financeiro, que será destinado à expansão de suas pesquisas e ao aprimoramento de sua plataforma de treinamento de inteligência artificial.
O treinamento puramente físico de robôs enfrenta limitações de tempo e custo. O uso de dados sintéticos e ambientes virtuais extraídos de jogos contorna essas barreiras, otimizando o reconhecimento de padrões pelos algoritmos.