Новый стартап из Нью-Йорка, Midcentury, вышел из режима скрытности, объявив о привлечении посевного раунда в размере 15 миллионов долларов. Целью компании является решение проблемы дефицита данных в робототехнике. Компания представила два основных продукта: обширный эгоцентрический набор данных, содержащий более двух миллионов часов человеческого поведения, и облачную симуляционную платформу под названием Matrix.
Привлеченный раунд финансирования ставит Midcentury в число лучших 1% всех посевных сделок в категории больших данных. Для сравнения, медианный размер посевного раунда во втором квартале 2026 года составлял около 4,5 миллиона долларов. При этом стартап не раскрыл ни своей оценки, ни информации о инвесторах.
Компания планирует использовать данные о действиях человека от первого лица для обучения роботов аналогично тому, как веб-скрапинг обучал большие языковые модели. Собственный набор данных охватывает более 50 сред и 20 000 задач. Каждая час записи снабжен аннотациями, включая отслеживание 3D-позы рук, карты глубины и траектории точек. Такой масштаб значительно превышает существующие общедоступные исследовательские варианты, такие как Ego4D v2, который содержит примерно 3 600 часов.
Помимо записей человеческих действий, Midcentury располагает около 50 000 часов игровых данных с сигналами уровня движка, а также примерно 69 000 часов разговорных голосовых данных на 25 языках. Поскольку этот набор данных является строго проприетарным, исследователи не получат к нему бесплатного доступа.
Midcentury также выпустила Matrix — облачную симуляционную платформу, которая позволяет командам создавать цифровые двойники реальных сценариев. Вместо того чтобы полагаться на жестко закодированные правила, платформа формирует физику непосредственно из реальных данных. Инженерные группы могут проводить тысячи параллельных испытаний на кластерах GPU, превращая сбои в тесты в немедленные примеры для обучения.
Компания активно опирается на концепцию «горького урока» Рича Саттона, согласно которой грубая вычислительная мощность и огромные объемы данных в конечном итоге превосходят ручное проектирование признаков. Главный исполнительный директор Четан Кульхари ранее работал в стартапе по кодированию ИИ Magic. Согласно документации SEC от января 2026 года, компания продала около 8,9 миллиона долларов пяти бэкерам, что указывает на поэтапное закрытие раунда.
На рынке существует множество стартапов, которые борются за контроль над уровнем данных для воплощенного ИИ. Конкуренты, такие как Rerun и Vision Lab, также привлекли венчурное финансирование за последний год. Если законы масштабирования успешно перейдут от языковых моделей к физическим роботам, рыночные позиции, вероятно, определят те структуры, которые контролируют обучающие данные.
