Como Quatro Programas Alimentam a Computação Por Trás do Raku Capture
O Raku Capture parece simples visto de fora. Você caminha por um cômodo com seu celular, e alguns minutos depois existe um splat gaussiano 3D daquele cômodo que um assistente de IA pode medir e no qual pode agir via MCP. Sob essa simplicidade fica um pipeline que exige computação séria de GPU em mais de uma camada.
Somos uma startup bootstrapped no estado de Washington. Não levantamos uma rodada para comprar essa computação. O que fizemos, em vez disso, foi entrar nos programas para startups que as grandes plataformas mantêm, e descobrimos que cada um era útil em um lugar diferente. Nenhum programa isolado carregou a coisa toda. Cada um removeu um gargalo em uma camada da pilha, e as camadas se somam em um produto funcional.
Queremos ser cuidadosos com o enquadramento aqui. Teríamos encontrado outro caminho por cada uma dessas camadas eventualmente. Startups sempre encontram. A afirmação honesta é menor e ainda assim vale a pena registrar. Esses programas nos permitiram atravessar as camadas em meses em vez de trimestres, e nos permitiram fazer isso sem abrir mão de participação societária ou foco.
Aqui está a pilha, camada por camada.
NVIDIA Inception, a camada de treinamento
O coração do pipeline é o treinamento de splat. Uma sessão de captura produz um fluxo de imagens posicionadas, e um treinador transforma essas imagens em um splat gaussiano 3D. Treinamos com o Brush, um treinador de splatting de código aberto, em GPUs classe A10G e L40S.
Entramos no NVIDIA Inception em maio de 2026. O programa nos dá o catálogo NGC, de onde vêm nossas imagens de contêiner CUDA reforçadas, e o Deep Learning Institute, que é como uma empresa pequena mantém suas habilidades de GPU atualizadas sem um orçamento de treinamento. Também nos colocou dentro de um ecossistema onde as pessoas construindo a próxima geração de hardware de visão conseguem nos encontrar.
Qualidade de treinamento é o produto. Quando o splat sai nítido, tudo a jusante parece mágica. Quando sai borrado, nada a jusante consegue salvar. O Inception fica sob a camada com a qual mais nos importamos.
AWS Activate, a camada de reconstrução
Antes que qualquer coisa possa ser treinada, a captura bruta precisa virar geometria. Um worker de GPU pega os frames enviados e resolve as poses de câmera com structure from motion. Depois roda a passagem de treinamento e empacota o resultado como um arquivo SPZ que o visualizador consegue transmitir.
Esses workers de reconstrução rodam em instâncias AWS G5, que carregam a mesma classe de GPU A10G contra a qual treinamos. Somos participantes do AWS Activate, e o Activate é o que tornou razoável para uma empresa bootstrapped manter capacidade real de GPU a uma mensagem de fila de distância em vez de a um ciclo de aquisição de distância.
Essa é a camada onde o trabalho de visão robótica também vive. O mesmo caminho de reconstrução que trata uma sala de estar trata um corredor de armazém ou uma célula de fábrica, e a saída é uma cena métrica que um planejador de robô ou um fluxo de inspeção consegue consumir.
Microsoft for Startups, a camada de serviço
Tudo acima produz artefatos. Alguma coisa ainda precisa servi-los. A API de produção com a qual celulares e assistentes de IA conversam roda no Azure Container Apps, ao lado do nosso banco de dados e armazenamento de objetos. Todo upload de captura e toda chamada de ferramenta MCP passa por ali primeiro.
A RakuAI é membro do Microsoft for Startups, e créditos de Azure do programa sustentam essa camada de serviço. Servir é a parte menos glamorosa da pilha e a parte que os usuários sentem mais diretamente. Quando a API está lenta, o produto está lento, não importa quão bom seja o splat.
GitHub, a camada de entrega
A última camada é como qualquer coisa disso vai para produção. Toda mudança na plataforma, do engine até este site, passa pelo GitHub. Revisores automatizados comentam em todo pull request em minutos. Um merge para main implanta em produção sem que um humano toque em um servidor, e o site que você está lendo é servido pelo GitHub Pages.
Para uma equipe minúscula, esse ciclo de entrega é a diferença entre entregar diariamente e entregar mensalmente. Também é o que torna seguro deixar agentes de IA fazerem trabalho de engenharia real aqui, porque toda mudança passa pelo mesmo caminho revisado e reversível.
Por que o enquadramento por camadas importa
Seria uma história melhor dizer que qualquer um desses programas isoladamente salvou a empresa. Não seria verdade. O que é verdade é que uma pilha de captura espacial tem camadas distintas, e um gargalo em qualquer camada estrangula o pipeline inteiro. Capacidade de treinamento sem uma camada de serviço é um demo. Uma camada de serviço sem um ciclo de entrega é um passivo. A coisa útil sobre esse conjunto de programas é que eles por acaso se alinharam um por camada.
A mesma pilha serve dois futuros ao mesmo tempo. No lado empresarial é visão robótica, onde instalações capturadas se tornam cenas sobre as quais planejadores e ferramentas de inspeção conseguem raciocinar. No lado do consumidor são óculos inteligentes e mundos de simulação, com o engine espacial sob os dois. As camadas não mudam entre esses futuros. Só a escala muda.
Se você é um fundador olhando para um buraco em forma de GPU no seu plano, o conselho prático é parar de pensar nesses programas como uma única bolsa de créditos genéricos. Mapeie sua pilha primeiro. Depois combine cada programa com a camada onde ele realmente ajuda.
Programas
Notas sobre os programas
O NVIDIA Inception é um programa gratuito para startups de IA. A participação da RakuAI não implica que a NVIDIA endossa os produtos da RakuAI. “AWS” e “AWS Activate” são marcas registradas da Amazon.com, Inc. ou de suas afiliadas. A participação da RakuAI não implica que a AWS endossa os produtos da RakuAI. Microsoft, Azure e Microsoft for Startups são marcas registradas do grupo de empresas Microsoft. A participação da RakuAI não implica que a Microsoft endossa os produtos da RakuAI. GitHub é uma marca registrada da GitHub, Inc. O uso do GitHub pela RakuAI não implica que o GitHub endossa os produtos da RakuAI.