Eine Gruppe von Post-2000-Studierenden der Universität von Pennsylvania gründet ein Startup für Golf-AI-Agent-Hardware und erhält mehrere Millionen Yuan in Angel-Runde von Jinqiu Fund | Exklusivbericht von Yingke

Autor | Huang Nan

Redakteur | Yuan Silai

Hard Krypton hat erfahren, dass die intelligente Hardwaremarke für Sport-AI-Agenten PathFinder Ltd. (im Folgenden einfach als "PathFinder" bezeichnet) kürzlich eine Angel-Runde mit mehreren Millionen Yuan finanziert hat. Diese Runde wurde exklusiv von der Jinqiu-Fonds investiert. Die Mittel werden hauptsächlich für die Produktentwicklung und -iteration, die Produktion und Lieferung sowie die Einrichtung von frühen Vertriebskanälen verwendet, um sich vollständig auf die anschließende Crowdfunding-Kampagne vorzubereiten.

PathFinder wurde im Jahr 2024 gegründet und konzentriert sich auf die Forschung und Entwicklung von AI-Agenten und intelligenten Endgeräten im Sportbereich. Mit dem Golf-Szenario als Einstiegspunkt bietet es Benutzern intelligente Ausrüstung und Lösungen, die für professionelle Sport-Szenarien geeignet sind.

Gründer Chen Yi und sein Kernteam stammen alle vom GRASP Lab der University of Pennsylvania und verfügen über ein technologisches und wissenschaftliches Hintergrundwissen in Bereichen wie Robotersensorik, Bewegungsplanung und visuellem Verständnis. Gleichzeitig haben viele Mitglieder dieses Teams von Post-00ern 10 bis 15 Jahre oder mehr professionelle Trainingserfahrung in Projekten wie Tennis, Golf und Reiten und haben reiches Know-how im Sportbereich gesammelt.

"Wir gründen nicht einfach aus Lust auf Unternehmertum, sondern haben nach dem Erkennen der großen Kluft zwischen Technologie und der realen Welt festgestellt, dass dies eine Chance ist, die unbedingt gefüllt werden muss." sagte Chen Yi, Gründer und CEO von PathFinder, Hard Krypton.

Hinter dieser Einschätzung steckt die strukturelle Umwandlung des gesamten Sporttechnologie-Sektors. In den letzten Jahren hat der Markt für Sport-Hardware einen rapiden Aufschwung erlebt, als viele "heisse Gelder" hereingeströmt sind. Dennoch bleiben viele Produkte noch in der Phase des Hardware-Aufbaus und der Sensorverbesserung. Sie verwenden billigere Sensoren und schnellere Motoren, um die traditionelle Erfahrung zu replizieren, oder bieten genauere Geschwindigkeitsmessungen, klarere Videos und detailliertere Datenanalyse. Teams, die eine systematische Neukonstruktion in der "Wahrnehmung-Verständnis-Entscheidung"-Schleife vornehmen, sind immer noch rar.

Chen Yi sagte, dass das Kernproblem nicht an fehlender Technologie liegt, sondern daran, dass das System nicht funktioniert. "Die Wahrnehmung an sich ist keine Barriere. Die echte Barriere besteht darin, wie man die Wahrnehmung in Verständnis umwandelt und dann das Verständnis in ein langfristig wiederverwendbares Entscheidungssystem umsetzt."

Dies bedeutet auch, dass der Wettbewerb in der Sporttechnologie sich von der "punktuellen Genauigkeit" hin zur "systemischen Intelligenz" verschiebt. Wer eine vollständige Schleife aufbauen kann, hat die Möglichkeit, die nächste Produktgeneration zu definieren.

Am GRASP Lab der University of Pennsylvania kam Chen Yi und seinem Team die weltweit führende Robotiktechnologie zu Gesicht. Bei den täglichen Golf-Trainingssitzungen sahen sie jedoch eine andere Realität: Die Sportwelt wurde fast nie von KI neu strukturiert. Das Training basiert immer noch auf Erfahrung, die Entscheidungen hängen von der individuellen Beurteilung des Trainers ab, und die Rückmeldung ist subjektiv und verzögert.

Diese Lücke zwischen "Laborfähigkeiten" und "realen Szenarien" wurde zum Ausgangspunkt für die Gründung von PathFinder. Auf dieser Grundlage hat das Team auch das erste intelligente Golf-AI-Agenten-Hardwareprodukt eigenständig entwickelt.

Das erste intelligente Golf-AI-Agenten-Hardwareprodukt von PathFinder (Bildquelle/Unternehmen)

Chen Yi sagte Hard Krypton, dass Golf-Nutzer in der Regel Personen mit hohem Vermögen sind, die eine klare Zahlungsbereitschaft und einen starken Bedarf an technologischer Verbesserung haben. Aus Sicht der Marktstruktur hat sich Golf in den USA zu einem Volkssport entwickelt, mit insgesamt 47,2 Millionen Teilnehmern. Die Anzahl der öffentlichen 18-Loch-Plätze übersteigt die Anzahl der McDonald's-Filialen. In China befindet sich der Golf in einer Phase des schnellen Wachstums und zeichnet sich durch "hohe Preise pro Auftrag und starke soziale Kreise" aus. Wichtig ist auch, dass die Entscheidungsstruktur im Golf klar ist. Die menschliche Bewegung ist eine Variable, und der Golfschläger ist die einzige externe Variable. Diese Eigenschaft macht es sehr geeignet für die Modellierung von massiven KI-Daten.

Im Gegensatz dazu ist der aktuelle Golf-Technologie-Markt kein vollständiges System, sondern besteht aus drei Arten von getrennten Funktionswerkzeugen: Golfwagen lösen das Problem der körperlichen Anstrengung, Geräte wie Launch Monitor lösen das Problem der Datenmessung, und leichte Tools wie GPS-Uhren und Apps bieten grundlegende Informationen. Ihr Gemeinsames ist, dass sie nur "Werkzeuge" sind und über keine echten Verständnis- und Entscheidungskräfte verfügen.

"Die Nutzer haben das Kaufvermögen und den Wunsch nach Verbesserung, aber die Anzahl der Trainer ist begrenzt, die Preise sind hoch und die Flexibilität ist gering. Darüber hinaus können die vorhandenen Produkte oft nicht die zentrale Frage 'Wie soll ich als nächstes trainieren?' beantworten." sagte Chen Yi.

Dieser Funktionsmangel ist eine seit langem vernachlässigte technologische Lücke. Die Kerntechnologiepfade der traditionellen Golf-Technologie lassen sich in zwei Kategorien einteilen. Eine Kategorie sind die Innen-Simulatoren, die Hochgeschwindigkeitskameras verwenden und zwischen 150.000 und 300.000 Yuan kosten. Die andere Kategorie ist das Millimeterwellen-Radarsystem, repräsentiert durch Trackman, das ebenfalls über 150.000 Yuan kostet. Die ersteren sind von einer simulierten Umgebung abhängig, die letzteren erfordern eine sehr hohe Radarpräzision. Sie dienen in der Regel B-Kunden oder professionellen Nutzern, so dass der Verbrauchermarkt seit langem leer ist.

Darum hat PathFinder einen anderen Weg gewählt, ein reines visuelles System. Durch RGB-Kameras und maschinelles Lernalgorithmen wurde weltweit erstmals eine vollständige Rekonstruktion der Golfballflugbahn auf der Grundlage einer optischen Kamera realisiert, und die Kosten wurden auf ein Tausendstel der traditionellen Lösung gesenkt. Gleichzeitig hat das Team bei der Sensorauswahl, den Kameraparametern und der Bildverarbeitung für das Golf-Szenario eine Vielzahl von maßgeschneiderten Optimierungen vorgenommen, um sowohl die Genauigkeit zu gewährleisten als auch das Gleichgewicht zwischen Gesamtleistung und Kosten zu erreichen.

Das erste Produktbild von PathFinder (Bildquelle/Unternehmen)

Im Gegensatz zur allgemeinen Computervision ist das visuelle Verständnis in Sport-Szenarien im Wesentlichen ein hochstrukturiertes Problem.

Beispielsweise im Golf hängt die Flugbahn des Balles nicht nur von der Anfangsgeschwindigkeit ab, sondern ist auch stark mit Faktoren wie Rotation, Windfeld und Landungsorttopographie gekoppelt. Die Veränderungen der Schwingbewegung werden oft gemeinsam von körperlichen Einschränkungen, gewohnten Bahnen und Strategieentscheidungen bestimmt.

"Dies ist nicht einfach ein visuelles Problem, sondern ein Systemprojekt, das physikalische Modellierung, kinematisches Verständnis und Verhaltensmodellierung vereint." sagte Chen Yi.

Deshalb hat PathFinder in der Algorithmenentwicklung eine Vielzahl von sportlichen Vorwissen eingeführt, anstatt sich einfach auf Daten zu verlassen. Dies ist auch der Schlüssel dafür, dass es auf dem reinen visuellen Weg immer noch Genauigkeit und Stabilität gewährleisten kann.

Konkret betrachtet teilt PathFinder die Intelligenzfähigkeiten des Golf-AI-Agenten in drei Ebenen auf. Zunächst ist es die Aufzeichnung; es zeichnet umfassend und genau alle Informationen im Golf auf, einschließlich Ballflugbahn, Schlägerdaten, Körperdaten usw., und erfasst die individuellen Vorlieben und Gewohnheiten der Nutzer.

Zweitens ist es die Analyse; durch die reine visuelle Schlagerkennung, Flugbahnverfolgung und Bewegungsanalyse wird ein tiefes Verständnis der Fähigkeiten der Nutzer gebildet.

Schließlich ist es der Agent; der Agent bietet Verständnis- und Entscheidungskräfte und wird während des Trainings zu einem echten KI-Intelligent-Trainer mit Kontext, Urteilsvermögen und Begleitgefühl.

Der Golf-AI-Agent von PathFinder (Bildquelle/Unternehmen)

Nach Ansicht von PathFinder ist der Agent nicht einfach eine Dialogschnittstelle, sondern ein System mit langfristigem Gedächtnis und Strategiefähigkeiten.

"Ein echter KI-Trainer sagt dir nicht nur, was an diesem Schlag falsch war, sondern versteht die Veränderung deiner letzten 1000 Schläge und kann bestimmen, welches Problem in der nächsten Phase am dringendsten gelöst werden muss." sagte Chen Yi Hard Krypton. Der Kern liegt nicht in der Generierung, sondern in der kontinuierlichen Modellierung einer Person - diese langfristige Modellierungsfähigkeit ist der entscheidende Unterschied zwischen Werkzeug und System.

Im Gegensatz zur üblichen Bewegungsvergleichsmethode, bei der die Bewegungen der Nutzer mit denen professioneller Spieler verglichen und eine Ähnlichkeitsbewertung gegeben werden, ist nach Ansicht von PathFinder ein effektiver KI-Trainer auf das Ergebnis ausgerichtet.

Chen Yi sagte: "Ob das Ergebnis des Balles gut oder schlecht ist, das ist das absolute Kriterium. Die Bewegung selbst hat kein Referenzmaßstab, weil die Knochen, Muskeln und körperlichen Einschränkungen jeder Person unterschiedlich sind." Basierend auf dieser Logik kann der Agent von PathFinder durch die kontinuierliche Datensammlung der Nutzer Problemuster erkennen, die Probleme lokalisiert und individuelle Trainingsempfehlungen für verschiedene Nutzer geben.

Hard Krypton hat erfahren, dass PathFinder bereits Tausende von Bestellungen aus der Branche erhalten hat. Die Nutzer stammen aus Mannschaften, Trainer-Systemen, Golfplätzen, Clubs und offiziellen Wettbewerbsverbänden. Das erste Produkt soll Mitte 2026 offiziell auf Kickstarter eingeführt werden.

Mehrere Szenarien für verschiedene Nutzer (Bildquelle/Unternehmen)

Für PathFinder bedeutet diese Bestellungen nicht nur den Fortschritt der Kommerzialisierung, sondern auch die Überprüfung, ob die Fähigkeit der "Wahrnehmung-Verständnis-Entscheidung" in realen Szenarien funktioniert. Sobald diese Fähigkeit bewiesen ist, hat es weitaus mehr Potenzial als nur im Golfbereich.

"Was wir wirklich tun wollen, ist das nächste Generation von intelligenten Agenten-Endgeräten in Sport-Szenarien. Mit Hilfe von KI- und Robotertechnologie wollen wir das gesamte Sportökosystem neu strukturieren." sagte Chen Yi.

Aus Sicht der technologischen Fähigkeiten hat das System der Bewegungsverständnis, Context-Modellierung und KI-Entscheidung das Potenzial, auf andere Sportarten übertragen zu werden. Neben Golf sind auch Sportarten wie Tennis, Baseball und Billard im Wesentlichen ähnlich strukturiert: es gibt Bewegungen, eine Umgebung und Entscheidungen. PathFinder glaubt, dass in Zukunft der Sport nicht mehr aus einzelnen, voneinander getrennten Erfahrungen bestehen wird, sondern ein intelligentes System sein wird, das sich kontinuierlich entwickelt, Gedächtnis hat, Entscheidungen trifft und wächst.