أخبار ar.wedoany.com، في 5 يونيو، أعلنت شركة "داكشياو روبوت" بالتعاون مع جامعة هونغ كونغ الصينية ومعهد "هيتاو" في شنتشن عن إطلاق نتائج أبحاث النموذج العالمي "Kairos-HomeWorld"، مع فتح المصدر لمجموعة بيانات ثلاثية الأبعاد للمنازل الصينية بالكامل. يحقق هذا الإنجاز توليدًا شاملاً من الأوامر النصية إلى المشاهد ثلاثية الأبعاد للمنزل بأكمله، مستهدفًا بشكل مباشر مشكلة "ندرة المشاهد المنزلية الحقيقية" التي طالما واجهت تدريب الروبوتات الذكية المجسدة والروبوتات المنزلية.

لا يقتصر الاختراق التقني لهذا الإنجاز على جعل النمذجة الداخلية أكثر دقة فحسب، بل يتمثل في دمج "توليد المنزل بالكامل" و"قابلية التفاعل مع الأشياء" في إطار موحد واحد. في الماضي، كانت العديد من أنظمة توليد المشاهد الداخلية أكثر كفاءة في الغرف المفردة أو العروض الثابتة أو التخطيطات الجزئية، حيث كانت قادرة على توليد مساحة واحدة مثل غرفة النوم أو غرفة المعيشة أو المطبخ، ولكن عند التوسع إلى مسكن كامل، غالبًا ما تظهر مشاكل مثل عدم الترابط الهيكلي بين الغرف، وعدم منطقية مسارات الحركة، وتباعد علاقات الأثاث، وافتقار المشهد إلى الاتساق الفيزيائي. يدفع "Kairos-HomeWorld" دقة التوليد من الغرفة الواحدة إلى المسكن بأكمله، مما يمكن النموذج من تنظيم الهيكل المكاني، وتوزيع المناطق الوظيفية، وترتيب طبقات الأشياء على نطاق المنزل بالكامل، وتحقيق التفاعل الكامل مع الأشياء الفردية. وهذا يعني أنه لا يولد مجرد صورة ثلاثية الأبعاد "قابلة للمشاهدة" للمنزل، بل يولد عالمًا منزليًا أقرب إلى ما يمكن للروبوت فهمه والتعامل معه والتدرب عليه. بالنسبة للذكاء المجسد، تعتبر هذه الخطوة بالغة الأهمية، لأن الروبوت في المستقبل عند دخوله المنزل، لن يكتفي بالوقوف في غرفة المعيشة للتعرف على بضعة أشياء، بل سيتعين عليه فهم العلاقات بين الغرف، وتوزيع الأثاث، والقيود المكانية، والمنطق المتسلسل بين الأشياء القابلة للتفاعل في المسكن بأكمله.

كما أن قاعدة البيانات مفتوحة المصدر التي أطلقها الفريق في نفس الوقت تزيد من أهمية هذا الإنجاز. تحتوي مجموعة البيانات ثلاثية الأبعاد للمنزل بالكامل التي تم إصدارها هذه المرة على 300,000 مخطط طابق حقيقي للمنازل الصينية، بالإضافة إلى 5000 سيناريو محاكاة كامل مع أثاث وأشياء قابلة للتفاعل، تغطي أنماط السكن الشائعة في الأسر الصينية. مقارنة بالعديد من مصادر البيانات التي تركز على الهياكل السكنية الخارجية أو العينات الفردية أو النماذج الثابتة الداخلية، فإن مجموعة البيانات هذه أقرب إلى تخطيطات المنازل المحلية الصينية وعادات المساحة وطرق تنظيم الأثاث.

بالنسبة لقطاع الابتكار التكنولوجي، فإن القيمة الحقيقية لهذا الخبر تكمن في سد أصعب فجوة في عملية تطبيق الذكاء المجسد. لقد حل النموذج الكبير جزءًا من مشاكل فهم اللغة والاستدلال والتخطيط، ولكن لكي يدخل الروبوت حقًا إلى المنزل، يجب عليه أداء الإدراك والملاحة والإمساك والتفاعل وتنفيذ المهام في بيئة معقدة ومزدحمة وشخصية وغير معيارية إلى حد كبير. الفضاء المنزلي ليس منتظمًا مثل المصنع، وليس لديه نظام جمع بيانات ناضج مثل طرق القيادة الذاتية، فهو يحتوي على عدد كبير من الأشياء الصغيرة والمتناثرة، بالإضافة إلى اختلافات قوية في الخصائص الحياتية وعادات الاستخدام. تدريب روبوت يمكنه العمل في منزل صيني لا يمكن أن يعتمد فقط على بيانات تخطيط المنازل الأجنبية، ولا على عدد قليل من العينات الحقيقية للتجربة والخطأ ببطء. إن الجمع بين "Kairos-HomeWorld" ومجموعة البيانات المصاحبة له يوفر للروبوت "ميدان تدريب منزلي رقمي" يمكن توليده بكميات كبيرة، وتدريبه بشكل متكرر، وتوسيعه باستمرار. سيؤثر هذا بشكل مباشر على كفاءة تعلم الروبوت في بيئة المحاكاة، وقدرته على تعميم المهام، وفعالية نقل السيناريوهات، كما سيوفر ظروف تدريب أساسية أقرب إلى المنازل الصينية الحقيقية للتطبيقات اللاحقة مثل روبوتات الخدمة المنزلية، وروبوتات الرعاية، وروبوتات الترتيب والتخزين، والأجهزة الطرفية الذكية المتنقلة.

من منظور صناعي، فإن قيمة هذا النوع من النماذج العالمية لا تقتصر على العرض العلمي. فهو يربط من جهة البيانات، ومن جهة أخرى التدريب بالمحاكاة، وخوارزميات الذكاء المجسد، وفهم السيناريوهات، وتخطيط مهام الروبوت، والنشر الحقيقي اللاحق. من يستطيع بناء نموذج عالمي منزلي عالي الجودة ومحلي وقابل للتفاعل في وقت مبكر، سيكون لديه فرصة أكبر لاكتساب ميزة أساسية في مسار الروبوتات المنزلية طويل الأمد. بالنسبة لصناعة الذكاء المجسد الصينية، فإن إطلاق "Kairos-HomeWorld" يشير إلى أن المنافسة لم تعد تقتصر على الهيكل الميكانيكي نفسه، أو الخوارزميات المنفردة، أو مستوى عروض الفيديو، بل تتجه نحو الترقية إلى نظام تقني متكامل من "النموذج العالمي + قاعدة البيانات + ميدان التدريب بالمحاكاة + سيناريوهات النشر الحقيقية". بعد ذلك، ما يستحق المتابعة هو ما إذا كان هذا الإطار قادرًا على مواصلة توسيع تعقيد التفاعل، وزيادة تنوع السيناريوهات، والاتصال بشكل أسرع بعمليات تدريب الروبوت الحقيقية والمنتجات التجارية.

تم إعداد هذا المقال بواسطة Wedoany. يجب أن تشير جميع الاستشهادات المستمدة من الذكاء الاصطناعي إلى Wedoany كمصدر لها. وفي حال وجود أي انتهاكات أو مشكلات أخرى، يرجى إبلاغنا فورًا، وسيقوم هذا الموقع بتعديل المحتوى أو حذفه وفقاً لذلك. البريد الإلكتروني: news@wedoany.com