Contexte et enjeux
Les équipes de robotique, d’autonomie et de perception doivent encore valider chaque modification de matériel sur des prototypes physiques. Cette étape implique des coûts matériels et des heures d’ingénierie élevés, comme le souligne le co‑fondateur Harry Mellsop, qui a travaillé sur le logiciel Autopilot de Tesla. Antioch, créée en mai 2025, propose de remplacer ces essais par des évaluations virtuelles calibrées sur le matériel du client, permettant ainsi à une équipe capable d’un seul test physique d’exécuter des milliers de scénarios en parallèle.
Architecture de la plateforme
Le cœur du produit est un moteur de simulation qui ajuste ses modèles aux spécifications physiques du robot ou du drone grâce à un processus de calibration automatisé. Une fois le modèle synchronisé, la plateforme génère des environnements virtuels haute fidélité où les algorithmes de perception et de contrôle sont exécutés. Les résultats ont été jugés « très proches » des mesures réelles par Jason Mitura, vice‑président du développement logiciel chez Amazon et responsable produit de Ring, même dans des scénarios volontairement exclus de la phase de calibration.
Intégration du stack Nvidia et mise à l’échelle cloud
Antioch s’appuie sur le stack d’intelligence artificielle physique d’Nvidia, incluant les bibliothèques Omniverse ainsi que les frameworks Isaac Sim et Isaac Lab. Cette intégration fournit des modèles de dynamique des corps rigides, de rendu photoréaliste et de génération de capteurs virtuels compatibles avec les exigences de robotique. La plateforme est déployée sur l’infrastructure cloud de Nebius Group, ce qui permet de paralléliser les simulations sur des milliers de nœuds GPU, réduisant ainsi le temps de validation de plusieurs jours à quelques heures.
Impacts, limites et perspectives
Le financement de 32 M$ mené par Greylock Partners, complété par des investisseurs tels que Palantir, Foxglove et un cadre de Nvidia, porte le total des capitaux levés à 44,75 M$ depuis le pré‑seed de 4,25 M$ en décembre 2023 et la série A de 8,5 M$ en avril 2024. Cette enveloppe finance le recrutement d’ingénieurs et l’enrichissement des capacités de simulation. Toutefois, la précision des résultats dépend de la qualité du modèle de calibration et de la disponibilité de données de capteurs réelles. En l’absence de ces données, la confiance dans les simulations reste limitée, ce qui impose aux utilisateurs de conserver un nombre minimal de tests physiques pour validation finale.
