Az AGIBOT szerint, ahogy a robotikai kutatás az ellenőrzött laborbeállításokon túl a valós{0}}környezetek felé mozdul el, a nagy-léptékű, jó{2}}minőségű adatok iránti igény egyre kritikusabbá válik. A vállalat ma kiadta az AGIBOT WORLD 2026-ot, egy nyílt-forráskódú heterogén adatkészletet, amely a megtestesült intelligencia öt kulcsfontosságú kutatási útját szisztematikusan támogatja.
"Az adatkészlet strukturált, jó{0}}minőségű és pontosan feljegyzett valós-robotadatokat tartalmaz, amelyek szilárd alapot biztosítanak a fejlesztőknek és kutatóknak a következő generációs mesterséges intelligencia-rendszerek képzéséhez" - mondta az AGIBOT.
Az AGIBOT WORLD a szabad{0}}formátumú adatgyűjtési-stratégiát követi
Az AGIBOT WORLD 2026 a valós környezetek széles skáláját öleli fel-, beleértve a kereskedelmi tereket, otthonokat és mindennapi forgatókönyveket. Az AGIBOT szerint ez megragadja azt a bonyolultságot, változékonyságot és kiszámíthatatlanságot, amelyet a robotoknak a gyakorlatban kezelniük kell.
Ellentétben az ismétlődő és forgatókönyvezett bemutatókra épülő hagyományos adatkészletekkel, a sanghaji-székhelyű vállalat szabad-formájú-adatgyűjtési megközelítést alkalmaz, amelyben a teleoperátorok dinamikusan, valós idejű-viszonyok alapján hajtanak végre feladatokat.
Azt állította, hogy ez a stratégia jelentősen növelheti az egyes epizódok sokszínűségét, és javíthatja az általánosítást több dimenzióban, beleértve az objektumkategóriákat, a kezdeti konfigurációkat és a feladatvégrehajtási szekvenciákat. Az AGIBOT elmondta, hogy robotja rugalmas kerekes alapot, csuklós fej- és derékmozgásokat, valamint emelő{1}}emelkedési képességet használ a hatékony, természetes és jól átvihető adatgyűjtés érdekében.
Ezzel párhuzamosan az AGIBOT 1:1 arányú digitális ikerkörnyezeteket hoz létre szimuláció során, és az összes megfelelő szimulációs adatot a valós-adatkészlet mellett bocsátják ki.
Az innovációk áthidalják a szakadékot az adatok és a valódi robot viselkedése között
"A megtestesült mesterséges intelligencia alapvető kérdése továbbra is fennáll: vajon az adatok valóban tükrözik-e, hogyan működik egy robot integrált rendszerként?" jegyezte meg AGIBOT. Ennek megoldására a vállalat számos funkciót vezetett be:
Teljes{0}}test kontroll (WBC):Ez lehetővé teszi a karok, a derék és a kezek összehangolt irányítását, lehetővé téve a robotok számára, hogy egységes rendszerként gördülékenyebben hajtsanak végre feladatokat, nem pedig elszigetelt mozdulatokkal.
Az első-személy a-vizuális-távműködésen túl:A robot érzékelése összhangban van a kezelő érzékelésével, ami intuitívabb, folyamatosabb és átvihetőbb vezérlést tesz lehetővé.
Kényszer{0}}ellenőrzött adatgyűjtés:Az AGIBOT azt mondta, hogy beépítette az érintkezési dinamikát és az erő-visszacsatolást, így nemcsak a mozgási pályákat rögzíti, hanem a valós fizikai kölcsönhatásokat is.
"Ezek a képességek együttesen biztosítják, hogy az adatkészlet pontosabban tükrözze{0}}a robotok valós viselkedését" - szögezte le a vállalat.
Ipari{0}}minőségű hardver táplálja az adatfolyamot
Az AGIBOT elmagyarázta, hogy az adatkészletet a G2 hardverplatformon gyűjtik, amely nagy-teljesítményű csuklós működtetőket, multi-modális érzékelőket és egy nagy-teljesítményű tartományvezérlőt integrál a pontos erővezérlés és a méretezhető fejlesztés támogatása érdekében.
A Zhixing 90D megfogókkal és az ügyes OmniHanddal felszerelt G2 szinkronizált multi-modális adatokat-, beleértve az RGB(D-t), a tapintható jeleket, a lidar pontfelhőket, az IMU-adatokat és a teljes-test ízületi állapotait-egy egységes csővezetéken belül.
Az AGIBOT hozzátette, hogy minden adatepizód szigorú tisztításon és érvényesítésen esik át az "ipari{0}}minőségű" adat-feldolgozó rendszerén keresztül, amely biztosítja a felkészültséget a nagy-léptékű modellképzési és kutatási alkalmazásokhoz.
1. fázis kiadás: Utánzó tanulás
A vállalat azt mondta, hogy az AGIBOT WORLD 2026 kiadását öt szakaszban tervezi, amelyek mindegyike a megtestesült intelligencia kutatási irányához igazodik.
Az első kiadás az imitációs tanulásra összpontosít, amely kulcsfontosságú paradigma, amely lehetővé teszi a robotok számára, hogy szakértői bemutatókon keresztül komplex fizikai készségeket sajátítsanak el. Ez a fázis több száz órányi valós{1}}adatot foglal magában, amelyeket elsősorban kereskedelmi és szolgáltatási környezetekben gyűjtenek össze. Az adatkészlet egyesíti:
Feladat-szintű leírások (szegmens-szintű utasítások)
Műveletsorozatok (lépésről{0}}-végrehajtás)
Atomkészségek címkéi (pl. húzás, hely)
Objektum megjegyzések (2D határoló dobozok és attribútumok, például név és szín)
„Fontos, hogy a hiba{0}}helyreállítási pályákat is megőrizzük és megjegyzésekkel látjuk el” – mondta az AGIBOT. "Ez a hierarchikus annotációs keretrendszer-a magas-szintű feladatoktól az alacsony-szintű műveletekig-fedi a hűséget és a korrekciós előfeltételeket, amelyek a robusztusabb és alkalmazkodóbb megtestesült ügynökök képzéséhez szükségesek."
Az AGIBOT WORLD része a megtestesült mesterséges intelligencia-ökoszisztéma iránti hosszú távú{0}}kötelezettségnek
Az AGIBOT azt mondta, hogy az induló vállalkozások azon kis csoportja közé tartozik, amelyek hosszú távú, -infrastruktúra-vezérelt- megközelítést alkalmaznak a megtestesült intelligencia felé.
Korán felismerve, hogy a kiváló minőségű adatok{0} alapjai a robotok képességeinek következő generációjának felszabadításához, a vállalat folyamatosan nyitott-forrású, millió-léptékű valós-adatkészletet és szimulációs adatkészletet.
Az AGIBOT szerint ez az erőfeszítés a megtestesült intelligencia tágabb célját tükrözi: a jó minőségű{0}} robotadatokhoz való hozzáférés demokratizálását. Az AGIBOT WORLD ökoszisztéma folyamatos fejlődésével a vállalat célja, hogy hozzájáruljon a globális robotikai közösséghez, és felgyorsítsa a megtestesült mesterséges intelligencia áttérését a kutatólaborokból a valós{2}}alkalmazásokba.