Trace Machina در حال ساخت یک پلت فرم آزمایش شبیه سازی برای به روز رسانی برنامه های کاربردی حیاتی ایمنی است

هنگامی که یک به روز رسانی معیوب CrowdStrike ماه گذشته فرودگاه ها، مراکز تماس 911 و بیمارستان ها را از بین برد، نشان داد که چگونه یک به روز رسانی معیوب می تواند بر زیرساخت های حیاتی تأثیر بگذارد. حال تصور کنید که این به روز رسانی برای چیزی مانند یک وسیله نقلیه خودران یا یک ربات انبار است و پیامدهای یک به روز رسانی بد می تواند حتی شدیدتر باشد.

ردیابی ماشین، یک استارت آپ در مراحل اولیه، سعی دارد با نرم افزار شبیه سازی پیشرفته ای که توسعه دهندگان را قادر می سازد به روز رسانی ها را در یک محیط شبیه سازی شده واقعی تر آزمایش کنند، از چنین سناریوهایی جلوگیری کند. این شرکت روز پنجشنبه از مخفی کاری خارج شد و یک سرمایه گذاری اولیه 4.7 میلیون دلاری و یک ابزار متن باز به نام را اعلام کرد. NativeLink.

مدیر عامل و یکی از بنیانگذاران، مارکوس ایگان می گوید که شرکت او در حال توسعه یک سیستم بومی مبتنی بر Rust برای کمک به تست و اعتبارسنجی نرم افزار برای سیستم های خودران مانند ماشین های خودران و تجهیزات اتوماسیون انبار است، قبل از اینکه این سیستم ها در دنیای واقعی مستقر شوند.

ایگان به TechCrunch گفت: «روشی که ما آن را حل می‌کنیم، با ارائه یک پیوند بومی بین توسعه‌دهندگان و دید مستقل آن‌ها است. دقیقاً به همین دلیل است که اولین محصول این شرکت NativeLink نام دارد.

زمانی که توسعه‌دهندگان از کار بر روی برنامه‌های وب به کار بر روی روبات‌ها می‌روند، آشکار می‌شود که جعبه ابزار توسعه‌دهنده موجود با Docker، Kubernetes و غیره کافی نیست. مهندسان باید بتوانند آزمایش‌ها و آزمایش‌ها را مستقیماً روی سخت‌افزار محلی اجرا کنند.»

NativeLink این شکاف را از بین می‌برد و یک محیط صحنه‌سازی را برای مهندسان فراهم می‌کند که آنها را قادر می‌سازد شبیه‌سازی‌ها را در محیط‌های محدود به منابع مانند تراشه‌های گرافیکی Nvidia تعبیه‌شده اجرا کنند که منبع آن برای روبات‌ها، ماشین‌های خودران و دستگاه‌های لبه دشوار است.

ایگان می‌گوید که قبلاً شرکت‌ها مجبور بودند این محیط‌ها را خودشان بسازند و آن‌ها را محدود به شرکت‌های خودروهای خودران با بودجه خوب یا مقیاس‌کننده‌های فوق‌العاده مانند گوگل می‌کردند. او می‌خواست سیستمی بسازد که تا حد امکان به سخت‌افزار نزدیک باشد، چیزی که او آن را «نزدیک بودن به فلز» می‌نامد و آن را برای هر شرکتی در دسترس قرار دهد.

افراد زیادی هستند که این مسیر را طی کرده اند، اما هیچ یک از آنها نمی توانند با دسترسی مستقیم سخت افزاری اجرا شوند. همیشه این لایه مجازی، این لایه انتزاعی وجود داشته است که صراحتاً ساختن آن سیستم ها و تکرار را برای آن شرکت ها آسان تر می کرد. ما فقط باید مالیات نزدیک بودن به فلز را می پرداختیم.»

پیشینه ایگان شامل حضور در MongoDB است، جایی که او به توسعه Atlas Vector Search، اولین محصول هوش مصنوعی این شرکت کمک کرد. یکی از بنیانگذاران او، ناتان بروئر، در Google X، مرکز پروژه آزمایشی مهتاب این شرکت، کار می کرد و همچنین به ساخت وسایل نقلیه خودران در موسسه تویوتا کمک کرد.

ایگان که سیاه‌پوست است، در زندگی حرفه‌ای خود مجبور به مقابله با نژادپرستی بوده است، اما بدون توجه به این موضوع، او همچنان بر ساخت شرکت خود متمرکز است. من مجبور شدم با نژادپرستی کنار بیایم و برایم مهم نیست. من خیلی روی هدفم متمرکز هستم. هیچ کس نمی تواند من را متوقف کند، هیچ کس نمی تواند دیکته کند که اوضاع چگونه پیش خواهد رفت. و من از این نقطه نظر بسیار سپاسگزارم زیرا بسیاری از افرادی که شبیه من هستند این آزادی را ندارند.

او همچنین در زندگی خود مجبور بوده بر موانعی فراتر از نژادپرستی غلبه کند. او در نوجوانی دچار یک تصادف شدید رانندگی شد که به شدت مجروح شد و قادر به راه رفتن و صحبت کردن نبود. اما او توانست بهبود یابد، به دانشگاه برود، مهندس شود و در نهایت شروع به ساخت این استارتاپ کند.

این بذر 4.7 میلیون دلاری توسط Wellington Management با مشارکت Samsung Next، Sequoia Capital Scout Fund، Green Bay Ventures و Verissimo Ventures همراه با چندین فرشته برجسته صنعت هدایت شد.