Antioch combines classical simulation with learned models for physical AI
Antioch uses a hybrid strategy to train physical autonomous systems: classical, high-fidelity simulation is applied where it works, while learned models fill gaps between simulation and reality. The company says both classical simulation and end-to-end world-model approaches currently face a substantial sim-to-real gap; classical systems can require continual additions for factors such as wind, while world models lack the large volumes of physical-world data needed for training.
Antioch believes world models will ultimately be the right approach for physical AI and that the field is moving in that direction, but says the technology is not yet fully ready for broad use. Its current approach is intended to help real companies transition toward world-model-based systems over time, alongside the company’s stated goal of enabling recursive self-improvement for physical autonomous systems. Antioch’s co-founding team met at Stanford, and one co-founder previously worked on Tesla’s Autopilot team.
Antioch сочетает классическое моделирование с обучаемыми моделями для физического ИИ
Antioch использует гибридную стратегию для обучения физических автономных систем: классическое высокоточное моделирование применяется там, где оно работает, а обучаемые модели восполняют разрыв между симуляцией и реальностью. Компания заявляет, что и классические симуляции, и сквозные мировые модели пока сталкиваются с существенным разрывом sim-to-real: классические системы требуют постоянного добавления таких факторов, как ветер, а мировым моделям не хватает больших объемов данных физического мира для обучения.
Antioch считает, что мировые модели в конечном счете станут правильным подходом к физическому ИИ и что отрасль движется в этом направлении, однако технология пока не полностью готова к широкому применению. Текущий подход компании должен со временем помочь реальным компаниям перейти к системам на базе мировых моделей; заявленная цель Antioch также включает достижение рекурсивного самоулучшения физических автономных систем. Команда сооснователей Antioch познакомилась в Стэнфорде, а один из сооснователей ранее работал в подразделении Autopilot компании Tesla.