Voxel51 lancia la versione 3.0 della propria piattaforma di gestione dei dati destinata allo sviluppo e alla valutazione dei sistemi di intelligenza artificiale fisica, introducendo un ambiente unificato per la ricerca, la selezione, l’annotazione e la verifica di dataset multimodali. La nuova versione è rivolta alle organizzazioni che sviluppano sistemi robotici, applicazioni di percezione visiva, tecnologie per la guida autonoma, soluzioni manifatturiere e strumenti AI per il settore sanitario, ambiti nei quali l’addestramento dei modelli richiede la gestione coordinata di immagini, video, sequenze temporali, dati provenienti dai sensori e metadati strutturati. Brian Moore, cofondatore e amministratore delegato dell’azienda, ha descritto la release come il più importante aggiornamento della piattaforma, sviluppato attraverso una revisione dell’architettura condotta negli ultimi mesi. L’aggiornamento comprende anche una modifica della denominazione commerciale: il precedente prodotto FiftyOne Enterprise assume il nome Voxel51, mentre FiftyOne continua a identificare il progetto open source. La piattaforma è ora accessibile gratuitamente in modalità self-service attraverso app.voxel51.com, permettendo ai gruppi di sviluppo di sperimentarne le funzionalità direttamente sui propri dati.
Una delle principali componenti è Voxel51 Search, un motore di ricerca ibrido persistente che combina interrogazioni semantiche, ricerche lessicali e filtri applicati ai metadati dei dataset. Il sistema indicizza automaticamente i contenuti e genera rappresentazioni vettoriali, o embedding, che consentono di individuare elementi visivamente o semanticamente simili anche quando non condividono gli stessi attributi testuali. L’architettura utilizza LanceDB, una tecnologia di archiviazione colonnare che permette di integrare ricerca vettoriale, indici scalari e indicizzazione full-text, mantenendo separate le risorse destinate all’archiviazione da quelle utilizzate per il calcolo. Gli sviluppatori possono determinare quali contenuti debbano essere trasformati in embedding, scegliere il modello di rappresentazione, configurare l’infrastruttura computazionale e stabilire quando eseguire l’elaborazione. Gli aggiornamenti possono essere applicati progressivamente, evitando di ricostruire l’intero indice a ogni modifica del dataset. Il motore mantiene interrogabili sia gli embedding sia le informazioni strutturate nel loro formato originario, combinandoli durante il recupero dei risultati.
Voxel51 3.0 introduce inoltre il supporto nativo per sequenze temporali multimodali, permettendo di visualizzare contemporaneamente più flussi di dati provenienti da sensori differenti all’interno della stessa timeline. La funzionalità riguarda in particolare la robotica e i sistemi autonomi, nei quali una singola sessione operativa può comprendere registrazioni video, misurazioni di profondità, segnali relativi al movimento e ulteriori informazioni sincronizzate. La piattaforma consente di generare embedding associati a segmenti specifici delle registrazioni, rendendo possibile recuperare un determinato evento all’interno di un episodio molto lungo senza rappresentare l’intera sequenza mediante un unico vettore. Un gruppo impegnato nello sviluppo di robot può così individuare episodi caratterizzati da comportamenti specifici, confrontare situazioni ricorrenti e selezionare le sequenze più utili per costruire nuovi dataset di addestramento e valutazione. La ricerca per segmenti permette inoltre di analizzare eventi poco frequenti, identificare condizioni operative che producono errori e recuperare esempi comparabili tra migliaia di registrazioni.
Le operazioni vengono coordinate attraverso Voxel51 Agent, un assistente che integra ricerca, selezione dei dati, annotazione e valutazione dei modelli in procedure ripetibili. L’agente utilizza oltre 45 strumenti compatibili con il Model Context Protocol, più di 80 operatori e 18 competenze open source, potendo anche scrivere codice per estendere le funzionalità disponibili. Tra le applicazioni previste figurano l’individuazione di situazioni anomale nei sistemi di percezione, il recupero di esempi simili a un errore osservato durante i test, la preparazione di nuove annotazioni e la successiva rivalutazione del modello. L’architettura permette di indirizzare i casi incerti verso revisori umani, mantenendo all’interno del flusso le procedure di controllo qualità. L’agente supporta oltre 100 fornitori di modelli, tra cui Anthropic, OpenAI e Google, ed è utilizzabile in ambienti cloud, ibridi, locali, gestiti oppure isolati dalla rete. Le attività erediteranno le autorizzazioni, i criteri di sicurezza e le regole di governance stabilite dall’organizzazione.
L’aggiornamento riunisce anche le procedure di annotazione per dati bidimensionali, tridimensionali, video e contenuti multimodali, introducendo strumenti comuni di verifica automatica della qualità, misurazione delle prestazioni degli annotatori e revisione umana. La funzione Agentic Labeling utilizza modelli vision-language per generare etichette a partire da istruzioni formulate in linguaggio naturale ed esempi forniti dagli operatori, mentre i risultati possono essere sottoposti a successive verifiche prima dell’impiego nei dataset. La piattaforma rimane indipendente dal modello utilizzato, consentendo alle organizzazioni di integrare sistemi generalisti oppure modelli specializzati nei propri domini applicativi per embedding, annotazione automatica, inferenza e valutazione. In una comparazione effettuata da Voxel51 su attività equivalenti e utilizzando Claude Sonnet 5, Claude Opus 5, GPT-5.1 e Gemini 3.1 Pro, il costo di esecuzione degli agenti ha mostrato differenze fino a quindici volte, evidenziando l’importanza della possibilità di selezionare il modello in funzione delle caratteristiche e del costo dell’attività richiesta.
Un altro aggiornamento riguarda la tracciabilità delle modifiche ai dati, organizzata su quattro livelli. Il registro generale della distribuzione conserva informazioni sull’identità dell’operatore, sul momento dell’esecuzione e sulle risorse coinvolte; il registro del singolo dataset documenta le modifiche effettuate al suo interno; la cronologia dei campioni permette di ricostruire gli interventi su etichette, metadati e altre proprietà; il sistema di versionamento registra infine snapshot immutabili dei dataset, consentendo di confrontare stati precedenti e identificare precisamente i dati utilizzati in una determinata sessione di addestramento o valutazione. L’architettura degli eventi si basa su fiftyone-mq, utilizzato per la pianificazione delle attività, e su Activity Core, destinato al monitoraggio delle operazioni. Questi componenti costituiscono una base condivisa per i registri di controllo, le metriche relative all’annotazione e il monitoraggio dei processi automatici, associando ciascuna modifica all’utente o all’attività software che l’ha prodotta.
Voxel51 ha collegato l’aggiornamento anche ai risultati della propria indagine State of Physical AI 2026, secondo la quale il 58% dei gruppi con prestazioni elevate dedica oltre metà del tempo complessivo del progetto alla gestione dei dati, rispetto al 21% dei gruppi che incontrano maggiori difficoltà operative. La società ha inoltre avviato una collaborazione con Nebius per consentire agli sviluppatori di eseguire attività come la generazione di embedding e l’annotazione automatica attraverso Nebius AI Cloud. Le due aziende hanno programmato ulteriori nove Physical AI Workshops tra Canada e Stati Uniti entro novembre 2026, con sessioni pratiche dedicate all’utilizzo delle funzionalità della piattaforma. Accanto alla nuova modalità self-service, rimangono disponibili installazioni self-hosted concordate direttamente con Voxel51, destinate alle organizzazioni che necessitano di controllare internamente infrastruttura, dati e procedure di elaborazione.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)