NomadicML создала сервис, который автоматически аннотирует и классифицирует часы видеозаписей, собираемых автопарками автономных автомобилей, роботов и строительной техники. Платформа использует набор моделей визуального языка, которые находят редкие сценарии — например, движение на красный свет под указанием полицейского — и готовят их для обучения и проверки алгоритмов.
Что произошло
Во вторник стартап объявил о завершении посевного раунда на $8,4 млн при пост‑мани оценке $50 млн. Ведущий инвестор — TQ Ventures; в раунде также участвовали Pear VC и Jeff Dean. Компания направит средства на расширение клиентской базы и дальнейшее развитие платформы. Среди первых заказчиков — Mitsubishi Electric, Natix Network и Zendar.
Почему это важно
Традиционный процесс разметки видеоданных требует человеческого просмотра, что невозможно при масштабах современных автопарков (миллионы часов). Автоматизация с помощью agentic reasoning system позволяет быстро извлекать ценные edge‑case‑сценарии, ускорять цикл обучения и повышать безопасность. Конкуренты — Scale, Kognic и Encord — тоже развивают AI‑разметку, но NomadicML предлагает более гибкую инфраструктуру, которую можно встроить в существующие пайплайны.
Что дальше
Команда планирует добавить инструменты для анализа не только видеоданных, но и лидарных и многомодальных сенсоров, расширяя охват физических ИИ‑систем. Успешный запуск продукта может подтолкнуть другие стартапы к разработке аналогичных решений и усилить конкуренцию в этом сегменте.