Nomadic recauda $8,4 millones para convertir vídeos de drones en datasets de entrenamiento

Nomadic ha recaudado $8,4 millones en una ronda de inversión inicial para resolver uno de los principales problemas de infraestructura de la industria del transporte autónomo: qué hacer con los volúmenes colosales de datos de vídeo que generan continuamente los vehículos autónomos y los robots. La empresa ha desarrollado una plataforma basada en aprendizaje profundo que convierte automáticamente flujos de vídeo sin procesar de las cámaras de sistemas autónomos en conjuntos de datos estructurados y buscables. En lugar de pasar meses en anotación manual de terabytes de grabaciones, los desarrolladores de robots y vehículos autónomos obtienen bases de datos anotadas listas para usar.

La escala del problema que resuelve Nomadic es fácil de subestimar. Un único vehículo autónomo equipado con un conjunto estándar de sensores—cámaras, lídares, radares—puede generar entre uno y varios terabytes de datos por hora. Multiplique esto por una flota de cientos o miles de vehículos operando en programas de prueba y comerciales en todo el mundo, y la escala de la tarea queda clara: estamos hablando de petabytes de material de vídeo que deben almacenarse, procesarse y adecuarse para entrenar la próxima generación de modelos.

El enfoque tradicional—anotación manual de datos a través de plataformas de subcontratación—funciona, pero es lento y costoso. El nuevo enfoque de Nomadic: automatizar todo el proceso utilizando su propio modelo de aprendizaje profundo, entrenado para comprender el contexto en entornos automotrices y robóticos.

El resultado práctico: los ingenieros no solo pueden almacenar grabaciones de vídeo, sino también trabajar con ellas como una base de datos completa. Puede hacer una consulta como "encontrar todas las escenas donde un peatón cruza la carretera en condiciones de mala iluminación" o "mostrar casos en que el vehículo se encontró con un obstáculo no reconocido"—y obtener episodios relevantes en segundos, en lugar de semanas de revisión manual.

La ronda de inversión de $8,4 millones parece modesta en comparación con las inversiones de miles de millones en el desarrollo de sistemas autónomos en sí, pero refleja una comprensión creciente del mercado: la infraestructura de datos es un componente tan crítico como los algoritmos de percepción. Sin una gestión efectiva de los datos de entrenamiento, el desarrollo de la tecnología autónoma se estanca en un techo operacional.

Nomadic opera en un nicho que se está volviendo cada vez más competitivo a medida que el mercado de sistemas autónomos madura. El interés en herramientas de gestión de datos de ML se disparó después de que los principales actores reconocieron públicamente que la calidad de los datos de entrenamiento es una de sus principales ventajas competitivas. La categoría de herramientas para procesar y anotar datos en el campo de sistemas autónomos está emergiendo de las sombras.

Si antes tales empresas permanecían como proveedores invisibles para los grandes actores, hoy los inversores comienzan a ver valor independiente en ellas—de manera análoga a cómo las herramientas para desarrolladores se convirtieron en un segmento SaaS separado de varios miles de millones de dólares.

Nomadic apuesta a que el ganador en esta carrera será quien primero dé a los desarrolladores de vehículos autónomos una respuesta a la pregunta: qué hacemos con todo este vídeo.