Laplace Intelligence 为机器人和自动驾驶汽车做自动化红队测试

TechCrunch：AI· Rebecca Bellan·2026-10-14 01:30· 2 小时前AI 评分40

Laplace Intelligence 在机器人和自动驾驶汽车进入现实世界之前对其进行红队测试

AI 导读

密歇根大学孵化的 Laplace Intelligence 正在为机器人和物理 AI 构建自动化红队测试，用 AI 智能体在仿真中主动寻找失败点。其仿真环境基于 Nvidia Cosmos 后训练版本，可重建亚利桑那高速公路、巴黎人行横道等真实场景，并让其他交通参与者实时反应。客户包括五十铃、Bot Auto 和 Nvidia，并与 T-Mobile 合作在圣何塞开展智慧城市试点。

正文

如果说 OpenAI-Hugging Face 事件教会了我们一件事，那就是 AI 智能体可能难以预测。 

“想象一下，如果类似的事情发生在物理世界中，”Laplace Intelligence 首席执行官兼联合创始人 Howie Sun 对 TechCrunch 表示。“AI 智能体正在从计算机走向现实世界，我们真的不希望物理 AI 在现实世界中失败。”

总部位于安娜堡的 Laplace 正在为机器人技术和物理 AI 构建自动化红队测试——本质上，就是通过刻意让系统失败来对其进行压力测试。该公司押注的是，确保物理 AI 安全的唯一方法，就是让 AI 来测试它。

“我们的目标是帮助企业在部署前发现并修复问题——并且随着时间推移，建立一个客户、保险公司和监管机构都能信任的共享证据基础，”Sun 说。

Laplace 是参加 Startup Battlefield 的 20 家初创公司之一，这是 TechCrunch Disrupt 在旧金山市中心举办的三天路演竞赛。它将于 10 月 13 日周一下午在 Startup Battlefield 舞台上展示。

Sun 与他的联合创始人兼首席科学家 Henry Liu 一年前在密歇根大学创立了 Laplace。过去八年，Sun 一直在学术界研究如何在仿真中挑战自动驾驶 AI。2023 年，他和 Liu——他当时的博士导师——发表了一篇关于该主题的论文，并登上了顶级科学期刊《自然》的封面。从那时起，对实施他们想法感兴趣的自动驾驶汽车公司开始纷纷来电。 

“我意识到我想把这件事做出来，把它从纯粹的学术研究变成在现实世界中有用的产品，”Sun 说。 

以他们的学术研究为基础，Sun 和 Liu 构建了 Laplace，其名字来源于“拉普拉斯妖”——法国学者皮埃尔-西蒙·拉普拉斯在 1814 年提出的一个思想实验，设想如果你知道宇宙中一切事物的确切状态，你就能完全精确地预测未来。

“我们本质上是在用仿真预测现实世界的未来，”Sun 说。 

这家初创公司的核心是一个从现实世界重建的高保真仿真环境，并配有一个不断探查弱点和失败点的 AI 智能体。目标是确保任何物理 AI——无论是机器人、自动驾驶汽车还是智慧城市解决方案——在现实世界部署之前，都能在仿真中证明其安全性。 

该模拟环境是英伟达的Cosmos（一个AI世界模拟平台）经过后训练后的版本，它扎根于现实世界，使Laplace能够重建从亚利桑那州高速公路到巴黎人行横道的任何场景。模拟是通过融合不同现实世界信息的网格生成的。一张谷歌街景图像可以作为参考，据此生成整条街道。但模拟器并非随机生成，而是结合现实世界的地图数据来重建一个真实比例的环境。 

开发者随后可以使用语言提示实时更改设置，比如添加下午的交通流量。Sun表示，Laplace从TomTom等导航服务商处获取实时交通和拥堵信息。 

在Laplace的模拟中，不仅环境被模拟，其他参与者的行为也被模拟。例如，在一次演示中，Sun指示测试代理车辆转向迎面而来的车流。它本会撞上——或直接穿过（这在某些生成式世界模型中很常见）——的那辆车主动让开以避免碰撞。 

“这确实是一个交互式模拟环境，”Sun说。“每个人都在对一切做出反应。……这更像是一个带有交互参与者的世界模型。”

虽然模拟环境是Laplace产品的重要组成部分，但真正独特的卖点在于这家初创公司正在开发的AI代理，它们能自动设计边角案例（可能让AI系统出错的棘手、罕见场景），从而进一步将人类排除在流程之外。 

“它们可以从新闻、警方碰撞报告中设计——利用各种信息来主动挑战自动驾驶车辆和其他物理AI代理，”Sun说。

如今，自动驾驶车辆开发者大多通过将录制的视频片段转化为模拟，或依赖人类提出新想法并设计，来训练AI处理边角案例。虽然许多自动驾驶公司已经实现了Laplace所宣传的愿景，并开始拥抱AI来创建用于训练的边角案例——自动驾驶卡车公司Waabi 就是一个例子——但当我们将通用机器人投入现实世界时，对这类技术的需求才会真正显现。 

“关于通用机器人的数据较少，”Sun说。“没人知道现实世界中的边角案例会是什么。”

尽管Sun和Liu来自学术界，没有光鲜的硅谷科技公司背景，但两人已经成功开始创收，甚至实现了微薄盈利。大部分收入来自自动驾驶用例，客户包括日本卡车制造商五十铃和总部位于得克萨斯州的自动驾驶卡车公司Bot Auto。 

Sun表示，英伟达也是客户。这两家公司与T-Mobile一起，正在为圣何塞市合作开展一个免费智慧城市试点项目，以提供高级交通运营。Laplace还处于与合作伙伴共同为仓库构建人形机器人的早期阶段。  

目前，Laplace的大多数客户合同都是基于项目的，公司正努力将其转化为经常性收入。这家初创公司的近期目标——它希望通过参加Disrupt大赛来助力实现——是筹集资金并扩大规模，以便与竞争对手抗衡。 

其竞争对手中最主要的是 Applied Intuition，这是一家备受关注的后期阶段初创公司，迄今已融资 12 亿美元，投后估值达 150 亿美元。五十铃也是 Applied 的客户之一。

Sun 并不太担心。他认为 Laplace 使用 AI 测试 AI 的核心方法论是“一种改变物理 AI 测试的全新范式”，将其转变为“动态交互式测试过程”。

“那将是最大的护城河，”他说。

当您通过我们文章中的链接购买时，我们可能会赚取少量佣金。这不会影响我们的编辑独立性。

来源：TechCrunch：AI · techcrunch.com