Nomadic AI: ఫిజికల్ AI రివల్యూషన్‌కు ఊపు! $8.4M సీడ్ ఫండింగ్ క్లోజ్

ఫిజికల్ AI భవిష్యత్తుకు డేటా నిర్మాణం

అటానమస్ వెహికల్స్, రోబోట్లు, నిర్మాణ రంగంలోని భారీ యంత్రాలు నిరంతరం ఎంతో డేటాను ఉత్పత్తి చేస్తాయి. అయితే, ఈ డేటాను సమర్థవంతంగా ఉపయోగించుకోవడం అడ్వాన్స్‌డ్ AI డెవలప్‌మెంట్‌కు పెద్ద సవాలుగా మారింది. ఈ సమస్యను పరిష్కరించడానికే Nomadic AI రంగంలోకి దిగింది. CEO ముస్తఫా బాల్, CTO వరుణ్ కృష్ణన్ స్థాపించిన ఈ సంస్థ, రా (Raw) వీడియో డేటాను స్ట్రక్చర్డ్, సెర్చబుల్ డేటాగా మారుస్తుంది. వీరు తమ ప్లాట్‌ఫామ్‌లో విజన్-లాంగ్వేజ్ మోడల్స్‌ను ఉపయోగించి, గంటల తరబడి రికార్డ్ అయిన వీడియోలను విశ్లేషిస్తారు.

దీని ద్వారా కంపెనీలు కీలకమైన 'ఎడ్జ్ కేసెస్' (Edge Cases) ను గుర్తించి, AI ట్రైనింగ్‌ను వేగవంతం చేయగలవు. ఇది సాధారణ డేటా లేబులింగ్ కంటే గొప్పది; ఫిజికల్ AI అభివృద్ధికి అవసరమైన డేటా రీజనింగ్ సామర్థ్యాలను అందించడంలో Nomadic AI ముందుంది. అంతేకాదు, గతేడాది జరిగిన Nvidia GTC పిచ్ కాంటెస్ట్‌లో ఈ సంస్థ మొదటి స్థానాన్ని కూడా గెలుచుకుంది.

నిధుల మద్దతుతో ప్లాట్‌ఫామ్ బలోపేతం

Nomadic AI మొత్తం $8.4 మిలియన్ల సీడ్ రౌండ్‌ను క్లోజ్ చేసినట్లు ప్రకటించింది. ఈ ఫండింగ్ రౌండ్‌కు TQ Ventures నాయకత్వం వహించగా, Pear VC, టెక్నాలజిస్ట్ జెఫ్ డీన్ వంటి వారు కూడా పెట్టుబడులు పెట్టారు. ఈ పెట్టుబడితో కంపెనీ పోస్ట్-మనీ వాల్యుయేషన్ $50 మిలియన్లకు చేరుకుంది. ఈ నిధులను కొత్త కస్టమర్లను ఆకట్టుకోవడానికి, తమ ప్లాట్‌ఫామ్‌ను మరింత మెరుగుపరచడానికి ఉపయోగించనున్నట్లు సంస్థ తెలిపింది. ఫిజికల్ AI రంగం విస్తరిస్తున్న నేపథ్యంలో, దాని సంక్లిష్ట డేటా అవసరాలను తీర్చడంలో Nomadic AI కి ఉన్న సామర్థ్యంపై పెట్టుబడిదారుల్లో బలమైన నమ్మకాన్ని ఈ రౌండ్ తెలియజేస్తోంది.

Lyft, Snowflake లలో కలిసి పనిచేసిన అనుభవం ఉన్న ముస్తఫా బాల్, వరుణ్ కృష్ణన్, ఫ్లీట్ డేటాను నిర్వహించడం, దాని నుండి విలువను రాబట్టడంలో ఎదురైన సాధారణ సవాలును అధిగమించేందుకే Nomadic AI ని స్థాపించారు.

Nomadic AI ప్రత్యేకమైన రీజనింగ్ విధానం

సాధారణ డేటా లేబులింగ్ సర్వీసులకు భిన్నంగా, Nomadic AI 'ఏజెంటిక్ రీజనింగ్ సిస్టమ్' (Agentic Reasoning System) ను అందిస్తోంది. ప్లాట్‌ఫామ్ యూజర్ల అవసరాలను అర్థం చేసుకుని, వీడియో ఫుటేజ్‌లో సంబంధిత డేటాను ఆటోమేటిక్‌గా గుర్తిస్తుంది. సంక్లిష్టమైన చర్యలు, సందర్భాలను విశ్లేషిస్తుంది. దీనివల్ల కస్టమర్లు ట్రాఫిక్ అధికారికి ప్రతిస్పందించే అటానమస్ వెహికల్, లేదా నిర్దిష్ట వంతెనల కింద వెళ్లే వాహనాలు వంటి ప్రత్యేక పరిస్థితులను సులభంగా గుర్తించగలరు. ఈ అంతర్దృష్టులు (Insights) కంప్లైన్స్, సేఫ్టీ చెక్స్, రీఇన్‌ఫోర్స్‌మెంట్ లెర్నింగ్‌కు నేరుగా ఉపయోగపడతాయి, తద్వారా డెవలప్‌మెంట్ సైకిల్స్ వేగవంతమవుతాయి. Zoox, Mitsubishi Electric, Natix Network, Zendar వంటి కస్టమర్లు సాంప్రదాయ పద్ధతుల కంటే Nomadic AI ను ఉపయోగించి తమ అభివృద్ధిని వేగవంతం చేసుకుంటున్నారు.