Nomadic recauda 8,4 millones de dólares para convertir el vídeo de vehículos autónomos en datasets de entrenamiento

La startup Nomadic ha captado 8,4 millones de dólares en una ronda semilla para abordar uno de los principales problemas de infraestructura de la industria del transporte autónomo: qué hacer con los enormes volúmenes de vídeo que generan de forma continua los coches autónomos y los robots. La compañía ha desarrollado una plataforma basada en aprendizaje profundo que convierte automáticamente el vídeo en bruto de las cámaras de sistemas autónomos en datasets estructurados y con búsqueda. En lugar de dedicar meses a etiquetar a mano terabytes de grabaciones, los desarrolladores de robots y vehículos autónomos reciben una base de datos anotada lista para usar.

La escala del problema que resuelve Nomadic es fácil de subestimar. Un solo coche autónomo con un conjunto estándar de sensores (cámaras, lidares y radares) puede generar de uno a varios terabytes de datos por hora. Multiplíquese por una flota de cientos o miles de vehículos en programas de prueba y comerciales de todo el mundo y el reto se entiende: hablamos de petabytes de material de vídeo que hay que almacenar, procesar y dejar listo para entrenar las próximas generaciones de modelos.

El enfoque tradicional, el etiquetado manual mediante plataformas de externalización, funciona, pero es lento y caro. El nuevo enfoque de Nomadic consiste en automatizar todo el proceso con un modelo propio de aprendizaje profundo, entrenado para entender el contexto de las escenas en entornos automovilísticos y robóticos.

El resultado práctico: los ingenieros no solo pueden almacenar grabaciones, sino trabajar con ellas como con una base de datos completa. Se puede lanzar una consulta como «encontrar todas las escenas en las que un peatón sale a la calzada con mala iluminación» o «mostrar los casos en que el coche chocó con un obstáculo no reconocido» y obtener los episodios relevantes en segundos, en lugar de semanas de revisión manual.

Una ronda de 8,4 millones de dólares parece modesta frente a los miles de millones invertidos en desarrollar los propios sistemas autónomos, pero refleja una comprensión creciente en el mercado: la infraestructura de datos es un componente tan crítico como los algoritmos de percepción. Sin una gestión eficaz de los datos de entrenamiento, el desarrollo de la conducción autónoma choca con un techo operativo.

Nomadic opera en un nicho cada vez más competitivo a medida que madura el mercado de sistemas autónomos. El interés por las herramientas de gestión de datos de ML se disparó después de que grandes actores reconocieran públicamente que la calidad de los datos de entrenamiento es una de sus principales ventajas competitivas.

La categoría de herramientas de procesamiento y etiquetado de datos para sistemas autónomos sale de la sombra. Si antes estas empresas eran proveedores discretos de los grandes, hoy los inversores empiezan a ver en ellas un valor propio, igual que las herramientas para desarrolladores se convirtieron en un segmento SaaS independiente de miles de millones de dólares.

Nomadic apuesta a que ganará esta carrera quien primero dé a los desarrolladores de sistemas autónomos una respuesta a la pregunta: ¿qué hacer con todo este vídeo?