Laplace Intelligence 为机器人和自动驾驶汽车做部署前的红队测试

如果说 OpenAI-Hugging Face 事件教会了我们什么，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 智能体正从计算机走向现实世界，而我们并不希望物理 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 Startup Battlefield 200 的 20 家参赛初创公司之一，该创业路演竞赛本周（10 月 13 日至 15 日）在旧金山举行的 TechCrunch Disrupt 上进行。它将于 10 月 13 日周二下午在 Disrupt 舞台上进行展示。

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。过去八年里，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，对实施他们的想法感兴趣的自动驾驶汽车公司开始纷纷打来电话。 

“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一款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，其名称源自“拉普拉斯妖”——法国学者皮埃尔-西蒙·拉普拉斯于 1814 年提出的一个思想实验，他设想如果你知道宇宙中一切事物的确切状态，就能以完全的精确度预测未来。

“我们本质上是在用仿真来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，并配有一个不断探查弱点和故障点的 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——在部署到现实世界之前，都能在仿真中保持安全。 

该仿真环境是 Nvidia 的 Cosmos（一个 AI 世界仿真平台）经过后训练的版本，它以现实世界为基础，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。仿真通过融合不同现实世界信息的网格来生成。一张 Google 街景图像可以作为参考，据此生成整条街道。但仿真器并非随机生成内容，而是结合现实世界的地图数据，重建一个比例真实的场景。 

随后，开发者可以使用语言提示实时更改设置，比如加入下午的交通流量。Sun 表示，Laplace 会从 TomTom 等导航服务提供商处获取实时交通和拥堵信息。 

在Laplace的仿真中，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。那辆本会被撞上——或被径直穿过，这在一些生成式世界模型中很常见——的车主动让开，以避免碰撞。

“这确实是一个交互式仿真环境，”Sun说。“每个对象都在对一切作出反应……这更像是一个带有交互参与者的世界模型。”

虽然仿真环境是Laplace产品的重要组成部分，但真正独特的卖点在于该公司正在开发的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），从而进一步将人类移出循环。

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

如今，自动驾驶车辆开发商大多使用录制的影像来训练AI处理边角案例，然后将其转化为仿真，或者依赖人类提出新想法并设计这些场景。虽然许多自动驾驶公司已经实现了Laplace所宣传的功能，并开始采用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——但当我们开始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。

“通用机器人领域的数据较少，”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，客户包括总部位于德克萨斯州的自动驾驶卡车公司Bot Auto和一家日本大型汽车制造商。

Laplace还在与Nvidia和T-Mobile合作，为加利福尼亚州圣何塞开展一个免费的智慧城市试点项目，以提供高水平的交通运营。Laplace也正处于与为仓库建造人形机器人的合作伙伴合作的早期阶段。

目前，Laplace的大多数客户合同都是基于项目的，公司正致力于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，投后估值为150亿美元。

Sun并不太担心。他相信，Laplace用AI测试AI的核心方法论是“一种彻底改变物理AI测试的全新范式”，将其转变为“动态交互式测试过程”。

“那将是最深的护城河，”他说。

本文已更新，以澄清Laplace与Nvidia的关系。

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