uutiset

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Heart of the Machine julkaistiin

Machine Heart -toimitusosasto

Yli vuoden aikana ruumiillistuneen älykkyyden ilmaantumisesta fyysisen maailman ja tiedon tuotanto- ja vuorovaikutusmenetelmissä on tapahtunut vallankumouksellisia muutoksia.

Samaan aikaan uusi taistelu alkaa hiljaa: suuret valmistajat ryöstävät aivojaan siepatakseen arvokkainta tekoäly "polttoainetta" - dataa. Tällä hetkellä tiedon puute on edelleen korkea muuri päin universaalia ruumiillistuvaa älykkyyttä. Kolmen viime vuoden aikana tunnettujen yritysten, kuten Googlen, NVIDIAn ja OpenAI:n, ruumiillistuneen älykkyyden tutkimuksessa emme ole vielä nähneet skaalauslain syntymistä. Tämä liittyy erityyppisten tietojen puutteeseen.

Kuinka ratkaista tämä peruskipukohta? Teknologian näkökulmasta Sim2Real AI on pitkäaikainen tie. Kuitenkin Sim2Real-vajeen poistamisen "käsitteellisen vinoutumisen" vuoksi tiedemaailma ja teollisuus pitävät sitä enemmän aputietojen täydennysmenetelmänä.

Mutta onko se todella niin?

Jia Kui, Hongkongin kiinalaisen yliopiston (Shenzhen) vakinainen professori ja Cross-Dimensional Intelligencen perustaja, antoi vastauksen pitkän aikavälin käytäntöjen kautta korkeakoulusta teollisuuteen: "Sim2Real AI on tehokkain polku ruumiillistuneeseen älykkyyteen."

Kaksiulotteisesta näkemyksestä kolmiulotteiseen näkemykseen, tilaälystä ruumiillistuneeseen älykkyyteen, tieteellisestä tutkimuksesta tuotteisiin kaupalliseen toteutukseen, Jia Kui on tutkinut tätä alaa yli kahdenkymmenen vuoden ajan. Äskettäin WAIC:ssa keskusteltiin siitä, kuinka ruumiillistuva äly voi murtautua datadilemman läpi.

Jos käyttäisit tekoälyä tämän keskustelun ymmärtämiseen, se saattaa auttaa sinua tekemään yhteenvedon seuraavista keskeisistä kohdista:

Mikä on tällä hetkellä kuumimpien aiheiden tilaälyn ja ruumiillistuneen älykkyyden luonne?

Mikä on spatiaalisen ja ruumiillistuneen älykkyyden toteuttamisen erityinen merkitys skaalauslain paradigman avulla?

Mikä on tehokkain tapa saavuttaa universaali ruumiillistuva äly?

Miten ruumiillistuva äly siirtyy teknologiasta tuotteeseen liiketoiminnan toteutukseen?

Mitkä kuvitelmat voivat tulevaisuudessa toteutua, jotka voivat murtautua alan tuotantoparadigman läpi?

Tietenkin on myös osia, joita tekoäly ei vielä ymmärrä - tämä tieteellinen tutkija ja yrittäjä on osoittanut lujan luottamuksensa ja historiallisen tehtävänsä.

Alla on kopio haastattelusta:

Rakenna "maailmanmalli"

Robotin "hengellisyyden" laukaiseminen

K: Professori Li Feifei, joka tunnetaan "AI:n kummiäitinä", valitsi "spatiaalisen älykkyyden" suunnan, kun hän aloitti ensimmäisen yrityksensä, joka herätti laajaa huomiota tällä alalla. Voitko puhua ymmärryksestäsi tilaälystä ja ruumiillisesta älykkyydestä?

Jacqui: Tilaäly ja ruumiillinen äly ovat aiheita, jotka ovat herättäneet paljon huomiota yhteiskunnallisella tasolla viime vuosina, mutta niiden taustalla oleva akateeminen tutkimus on jatkunut pitkään. Spatiaalinen älykkyys on moniulotteinen käsite, joka yleensä viittaa yksilön kognitiivisiin ja päättelykykyihin kolmiulotteisessa fyysisessä tilassa ja neliulotteisessa ajassa ja tilassa, mukaan lukien havainto, päättely, päätöksenteko jne. Embodied Intelligence viittaa älykkyyteen, jossa älykkäällä järjestelmällä on fyysinen muoto ja se on vuorovaikutuksessa ympäristön kanssa tämän muodon kautta. Ruumiillinen älykkyys ei keskity ainoastaan ​​havainnointiin, vaan se sisältää myös älykkäiden agenttien toimet ja reaktiot ympäristöön. Aivan kuten ihmiset käyttävät silmiään havaitakseen maailmaa, ruumiillistuva älykkyys edellyttää, että robotit pystyvät havaitsemaan, olemaan vuorovaikutuksessa ja tekemään päätöksiä multimodaalisten antureiden avulla, jotta ne muodostavat kattavan spatiaalisen kognition ja toimintakyvyn.

K: Mitä yhtäläisyyksiä ja eroja tilaälyn ja ruumiillistuneen älyn välillä on?

Jacqui: Kuten aiemmin mainittiin, tilaäly antaa tekoälylle kyvyn havaita ja ymmärtää todellista maailmaa, kun taas ruumiillistuneella älykkyydellä ei vaadita ainoastaan ​​esineiden, ympäristöjen ja muiden spatiaaliseen älykkyyteen liittyvien tekijöiden havaitsemista ja kognitiivista päättelyä, vaan se kattaa myös korkean tason liikesuunnittelun. ja robotin toimintaan vaadittava matalan tason liikkeenohjaus sekä erilaiset robotin "taidot", jotka ovat samankaltaisia ​​kuin ihmisen toimintakyvyt, jotka määritellään robotin kehon ja toimintakohteen välisen vuorovaikutuksen perusteella. Kunkin taidon hallinta tarkoittaa, että robotti pystyy käsittelemään erilaisia ​​taitoon liittyviä esineitä, ei vain tiettyä ja tiettyä esinettä.

Nämä taidot sisältävät kokoelman "osataitoja" ja "atomitaitoja", jotka muodostavat robottitaitokirjaston tai "taitotilan". Ruumiillistuneen älyn ydin on oppia ja yleistää tämä taitotila, jolloin saavutetaan yleistä tekoälyä (AGI), jolla on ruumiillistuneita ominaisuuksia kuten ihminen.

Tietyissä sovelluksissa tilaälyllä on laajempi ulottuvuus ja se voidaan kiinnittää robottiin tai irrottaa robotista. Kyse on lähinnä tilan ymmärtämisestä, kuten sen tärkeästä sovelluksesta AR/VR. Ruumiillinen älykkyys heijastuu pääasiassa roboteissa, erityisesti yleiskäyttöisissä (humanoidisissa) roboteissa.

Yleisesti ottaen spatiaalinen älykkyys keskittyy enemmän kognitiivisiin ja päättelykykyihin neliulotteisessa tilassa ja ajassa, kun taas ruumiillistuneeseen älykkyyteen kuuluu lisäksi kyky olla suoraan vuorovaikutuksessa ympäristön kanssa fyysisten muotojen kautta.

K: Miksi valitsit perustaa yrityksen avaruuden ja ruumiillistuneen älykkyyden suuntaan?

Jacqui: Voidaan sanoa, että olemme kiinnittäneet huomiota tähän alaan hyvin varhain ja meillä on syvällinen historiallinen ja teknologian kertyminen. Tiimi perusti "Geometry Perception and Intelligence Laboratoryn" alkuaikoina, jolloin tunnetut "suuret valmistajat" eivät vielä olleet mukana tällä alalla.Olemme yksi ensimmäisistä tutkijoista ja ryhmistä Kiinassa, jotka soveltavat tekoälyteknologiaa Euroopan ulkopuoliseen dataan, kuten 3D:hen.

Tiimimme on tehnyt suuren joukon innovaatioiden välisiä tutkimuksia geometrisen syväoppimisen, 3D-mallinnuksen, tilahavainnon ja robottisovellusten suunnasta ja saavuttanut useita edustavia tuloksia, mukaan lukien Grasp Proposal Networks (NeurIPS 2020), Analytic Marching (ICML 2020/TPAMI 2021), Sparse Steerable Convolution (NeurIPS 2021), 3D AffordanceNet (CVPR 2021), Fantasia3D (ICCV 2023), SAM-6D (CVPR 2024) ja paljon muuta.

DexVerse™ 2.0 esittelee uuden 4D Mesh -teknologian, joka on erityisesti suunniteltu dynaamiseen fyysiseen simulointiin ja tietojen renderöintiin ja joka pystyy käsittelemään tasaisesti useita kohteita, kuten jäykkiä kappaleita, pehmeitä kappaleita ja nesteitä. Moottorin ydinilmaisumuotona 4D Mesh käy läpi koko prosessin fyysisestä simuloinnista, datamerkintöjen luomisesta suuriin malliharjoituksiin.

视频链接：https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2650927069&idx=1&sn=32b8072ec663f02350d31011f0&49350d310f08 a5ca60fb8582ae4320820f4eb88e827a2f5830eedcc274e6a904482c6f59&token=263296417&lang=zh_CN#rd

K: Mitä ymmärrät avaruuden ja ruumiillistuneen älykkyyden ydinkäsitteistä? Mitä etuja moniulotteisuudesta on tällä kuumalla radalla?

Jacqui:Me uskomme tuon,Tilallisen ja ruumiillistuneen älykkyyden ydin on luoda "maailmamalli", jotta robottien "hengellisyys" on samanlainen kuin ihmisen havainto.Erityisesti on tarpeen luoda "maailmamalli", joka voi tarkasti mallintaa, ymmärtää ja järkeillä spatiaalista geometriaa ja fyysisiä prosesseja, jotta erilaisilla robotin antureilla, mukaan lukien näkö-, voima-, kosketus- jne., voi olla ihmisen havainnointikyky.

Nykyisen AI-arkkitehtuurin ja malliparadigman mukaan tiimimme toivooGeneratiivisen fyysisen simulaation avulla vangitsemme ihmisten elävän maailman avaruus-aika-neliulotteisen peilin saadaksemme loputonta fyysistä ominaisuustietoa - tämä on avain spatiaalisen ja ruumiillistuneen älykkyyden toteuttamiseen.

Siksi Kuandimensional on perustamisestaan ​​lähtien luonut taustalla olevan itsekehittämän DexVerse™-avaruuden ja ruumiillistuneen älykkyysmoottorin, joka voi toteuttaa "fyysisen simulaation - datan synteesin - mallikoulutuksen" täyden ketjun automatisoinnin tietyille liiketoimintaskenaarioille ja perustuu tähän muotoiluun. suuri mallisarja tilallista ja ruumiillistuneesta älykkyydestä ja puhtaasti visuaalisista älykkäistä antureista, jotka antavat universaaleille roboteille älykkäät aivot ja silmät.

Tällä hetkellä Kuandimension on saavuttanut yli 99,9 %:n onnistumisasteen 100 %:n synteettisellä datalla ja millimetri/submillimetrin toimintatarkkuusvaatimuksilla useissa kaupallisissa skenaarioissa.

Universaali tila ja ruumiillinen älykkyys

Kuinka kaukana se on lopusta?

K: Puhuit juuri skaalauslain paradigman käyttämisestä tilallisen ja ruumiillistuneen älykkyyden toteuttamiseen. Voitko tarkentaa sen erityistä merkitystä? Onko universaalin tilan ja ruumiillistuneen älyn toteuttaminen vaikeampaa kuin suurten kielimallien universaalisuuden toteuttaminen. Mikä on vaikeus?

Jacqui: Universaalin tilan ja ruumiillistuneen älykkyyden saavuttaminen on todellakin vaikeampaa kuin suurten kielimallien universaalisuuden saavuttaminen. Suuret kielimallit, joita edustaa OpenAI:n GPT-sarja, saavuttavat nollanäytteen (zero-shot), eli yleiset ominaisuudet, jotka osoittavat ns. AGI:n kynnyksellä.

Ihmisen luonnollista kieltä voidaan pitää semanttisena koodina, joka on jalostettu universumin ja luonnonympäristön, jossa elämme, suuren abstraktion ansiosta. Siksi suurten kielimallien on suhteellisen helppoa oppia ja yleistää suoraan abstraktilla tasolla.

Vertailun vuoksiTilaäly vaatii oppimista antureiden hankkimista raakasignaaleista, mikä tarkoittaa "semanttisen aukon" ylittämistä raaka-digitaalisista signaaleista ihmisen semanttisiin symboleihin.Yleisen älykkyyden oppiminen GPT:n kaltaisen skaalauslain paradigman avulla vaatii paljon koulutusdataa;Tilaälyn koulutusdata ei vaadi vain suurta datamäärää, vaan myös antureiden saamien alkuperäisten signaalien tarkkaa kalibrointia varmistaakseen, että niillä on mittaukset absoluuttisessa fyysisessä mittakaavassa. Tämä on paljon vaikeampaa kuin massiivisen kuva- ja tekstidatan saaminen internetistä.

Kehollinen äly menee askeleen pidemmälle Sen lisäksi, että se oppii yleistä älykkyyttä korkeadimensionaalisista aistisignaaleista, kuten näkö, voima ja kosketus. Sen oleellisempi tavoite on oppia robotin "taitotila", jonka robotti ontologia ja toimintaobjekti määrittelevät yhdessä. Kehittyneen älyn yleisyys heijastuu taitotilan yleistymisenä, mikä vaikeuttaa erilaisten paradigmojen oppimista.

K: Voitko puhua tilaälyn ja ruumiillistuneen älykkyyden vaatimista erityisistä multimodaalisista suuren mallin ominaisuuksista?

Jacqui:Tilaäly sisältää tehtäviä, kuten havainnointi, vuorovaikutus, päättely ja päätöksenteko kolmiulotteisessa fyysisessä maailmassa. Ruumiillinen älykkyys edellyttää lisäksi robotin autonomisen toiminnan taitokirjaston muodostamista, joka perustuu tilahavaintosignaalien, kuten näön, voiman, älykkääseen analyysiin. , ja kosketa.

Siksi tarvitaan multimodaalisia suuria malliominaisuuksia, mukaan lukien luonnollinen kieli, voimakosketus, robotin kehon tila ja muut modaliteetit.Nämä multimodaalit voidaan "integroida" yhteiseen semanttiseen, spatio-ajalliseen ja taitotilaan, jolloin saavutetaan ihmisen kaltainen tilallinen ja ruumiillinen älykkyys.

K: Kuinka kaukana universaali avaruus ja ruumiillistuva äly ovat mielestäsi loppupelistä?

Jacqui:Tällä hetkellä Scaling Law AI -paradigma, jolle on tunnusomaista valtava data, suuret mallit ja valtava laskentateho, voidaan tuottaa vakaasti ja kustannustehokkaasti sillä oletuksella, että universaali robottilaitteisto on kypsä eli ydinkomponentit. kuten humanoidirobotit, näppärät kädet ja humanoidianturit, ainakin se voi tukea spatiaalista ja ruumiillistuneesta älykkyydestä riippumatonta liiketoiminta-arvoa useissa suljetun kierron liiketoimintaskenaarioissa, joissa on rajat ja kohtuullinen ROI.

Erityisesti useissa skenaarioissa, kuten teollisuudessa, logistiikassa, kaupassa ja kodissa, robotit voivat suorittaa erilaisia ​​tehtäviä yleistetyllä tavalla. Tietenkin tämä edellyttää massiivisen multimodaalisen datan hankkimista fysikaalisilla ominaisuuksilla sekä monipuolisten merkintöjen automaattista laskemista, jotka tukevat useita oppimisstrategioita, kuten ohjattua koulutusta, jäljitelmäoppimista ja vahvistusoppimista.

Tehokkain tapa saavuttaa universaali ruumiillistuva äly

K: Huomasin, että mainitsit WAIC-puheessasi "Sim2Real AI on tehokkain tapa toteuttaa ruumiillista älykkyyttä".

Jacqui: Sisäisen älykkyyden saavuttamiseksi on otettava huomioon tietojen luonne ja tarkoitus. Kehittyneen älykkyyden tavoitteena on mahdollistaa robottien yleisten toimintakykyjen saavuttaminen jatkuvasti muuttuvassa fyysisessä maailmassa sensorisignaalien, kuten näön, voiman ja kosketuksen, perusteella, aivan kuten me ihmiset teemme joka päivä jokapäiväisessä elämässämme.

Skaalauslain AI-paradigman mukaan koneoppimismalleilla ei ole todellista yleistä älykkyyttä tai yleistystä, vaan niillä on vain kyky "interpoloida" tilastojakaumien ja niiden tilastojakaumien oppimisessa datan määrä.

Näiden tietojen tulee kattaa eri käyttöolosuhteet, jotka liittyvät kuhunkin robottitaitoon, kuten kaikki toimintaolosuhteet aamusta iltaan, keväällä, kesällä, syksyllä ja talvella, sisällä ja ulkona. Jos luotat robottitiedonkeruujärjestelmiin tai puetettaviin laitteisiin, kuten tuttuihin "teleoperaatioihin", niin kerätäksesi tarpeeksi dataa, sinun on ensin luotava liiketoimintamalli, jonka avulla käyttäjät voivat nauttia palveluista ja kaupallisesta arvosta samalla, kun se auttaa keräämään tietoja. tietoja, mutta tällä hetkellä sellaista ei ole.

Verrattuna,Sim2Real AI voi kattaa kaikki yllä mainitut muutokset tehokkaammin fyysisen simulaation ja synteettisen tiedon avulla. Tämä menetelmä mahdollistaa erilaisten toimintaobjektien, ympäristömuutosten, robottikonfiguraatioiden ja anturimuutosten simuloinnin virtuaaliympäristössä ja voi jakaa taustalla olevat fyysiset simulointi- ja tiedontuotantoominaisuudet eri liiketoimintaskenaarioihin. Kaikki käyttökohteet, mukaan lukien jäykät rungot, saranat, pehmeät kappaleet, nesteet jne., voivat tukea tiedon tuottamista tarkan fyysisen simuloinnin avulla.

Yleisesti siisVaikka robottitiedonkeruujärjestelmien käyttö tai puettavien laitteiden "teleoperointi" voi nopeasti osoittaa joitakin ihmisen kaltaisia ​​toimintoja verrattuna yleisten robottien saavuttamiseen vaadittuihin älykkyysominaisuuksiin, tämä menetelmä näyttää olevan "päinvastoin Sim2Real AI". Se on tehokkain tapa saavuttaa tavoitteesi.

Kysymys: Kuinka poistaa synteettisen datan ja todellisen tiedon välinen kuilu tämän teknisen lähestymistavan mukaisesti?

Jacqui: Akateemisesta näkökulmasta Sim2Real AI on pitkäaikainen teknologiapolku ja yksi valtavirran poluista tilallisen ja ruumiillistuneen älykkyyden saavuttamiseksi. Tiimimme aloitti myös akateemisesta prosessista. Olemme onnistuneet loihtimaan ainutlaatuisen polun: pystymme saavuttamaan 99,9 %:n tarkkuuden useissa skenaarioissa 100 %:n synteettisillä tiedoilla alle millimetrin/submillimetrin tarkkuuden joka voi olla ainutlaatuinen maailmassa.

Menestys ei ole sattumaa, vaan se perustuu syvään ongelman ymmärtämiseen ja järjestelmälliseen ratkaisuun. Ensimmäisistä periaatteista ja asioiden sisäistä merkitystä pohtien poikkiulotteinen tiimi löysi tehokkaita ratkaisuja yksinkertaistamalla monimutkaisia ​​ongelmia ja purkamalla niitä kerros kerrokselta.

Yksinkertaisesti sanottuna Sim2Real AI:n käyttö ruumiillistuneen älykkyyden saavuttamiseen vaatii:

1) Robotin rungon simulointi, multimodaalinen anturisimulaatio, erilaiset toimintaobjektien simulaatiot ja dynaamisten prosessien simulointi;

2) Simulaatiota vastaavat tiedot ja huomautukset renderöidään ja generoidaan;

3) Luo automatisoitu ketju, joka voidaan siirtää Sim2Realiin muun muassa älykkäässä suuren mallin suunnittelussa ja koulutuksessa, ja ainakin seuraavat tekniset ydinkynnykset on ylitettävä:

Matalatasoinen ohjattava ruumiillistuva fysiikan simulaatio

Tehokas multimodaalinen isomallikoulutus ja jatkuva oppiminen

Käsittele synteettisten ja todellisten tietoalueiden välisiä eroja tehokkaasti

Massiivisen digitaalisen omaisuuden halpa hankinta

K: Mitä käytännön tuloksia juuri mainitsemasi Sim2Real AI -teknologiapolun perusteella on saavutettu eri ulottuvuuksissa?

Jacqui: Kuandimensional on rakentanut ruumiillistuneen DexVerse™-älymoottorin alhaalta ylöspäin, sisältäen moduuleja, kuten fyysisen simulaation, tietojen renderöinnin ja generoinnin, automaattisen merkintöjen laskennan, mallin suunnittelun ja koulutuksen. Tämä moottori ei vaadi T&K-henkilöstön osallistumista.SDK voi automaattisesti luoda AI-mallin SDK:ita ruumiillistuneille älytehtäville koko ketjun ajan riippumatta siitä, kuinka paljon koulutusdataa on kertynyt, sitä ei enää pidetä ruumiillistuneena älykkyytenä.Tällä hetkellä DexVerse™ tukee Kuaodin ohjelmisto- ja laitteistotuotteiden käyttöönottoa useissa skenaarioissa.

Kuten yllä näkyy, DexVerse™ 2.0 menee askeleen pidemmälle:

Ensinnäkin, kun otetaan huomioon liiketoimintaskenaario, jossa on selkeät rajat ja robottilaitteiston kokoonpano, DexVerse™ 2.0 voi käyttää suurta kielimallia robottitaitojen ja osataitojen automaattiseen purkamiseen.

Toiseksi DexVerse™ 2.0 voi luoda automaattisesti digitaalisia resursseja, kuten simulointiin tarvittavia objekteja ja kohtauksia, sekä simuloida ja renderöidä näiden resurssien perusteella luodakseen robotin toiminnan prosessidataliuskoja virtuaalitilassa.

Seuraavaksi ruumiillistuvaa älykästä 3D VLA (Vision Language Action) -mallia opetetaan luomalla dataa virtuaalitilassa.

Lopuksi, koulutettu malli voi ohjata robotin ontologiaa valituissa liiketoimintaskenaarioissa suorittaakseen erilaisia ​​robottitaitotoimintoja universaalilla tavalla.

DexVerse™ Embodied Intelligence Engine 2.0:n avulla koko tehtävän purkamisen, kohtausten luomisen, harjoituskonfiguraatioiden luomisen ja mallikoulutuksen ketju automatisoidaan, ja koulutettu malli tuodaan todelliseen koneeseen ohjaamaan robottia hirven kokoamiseen. rakennuspalikoita.

视频链接：https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2650927069&idx=1&sn=32b8072ec663f02350d31011f0&49350d310f08 a5ca60fb8582ae4320820f4eb88e827a2f5830eedcc274e6a904482c6f59&token=263296417&lang=zh_CN#rd

Tämän täysin automatisoidun moottorin ansiosta universaalien robottien vauhtipyörä, joka harjoittelee ruumiillistuneita älykkäitä taitoja/osataitoja, pyörii tehokkaimmin, mikä edistää yleisrobottien käyttöönottoa useammissa skenaarioissa.Kuanwei tekee yhteistyötä useiden teollisten osapuolten kanssa avatakseen ekosysteemin ja saavuttaakseen win-win-yhteistyön edistääkseen yhdessä Kiinan ruumiillistuneen älykkyyden ja yleisen robottiteollisuuden nopeaa kehitystä.

K: Miksi Kuaodi valitsi itse kehitetyn moottorin? Mitä eroja on poikkiulotteisen DexVerse™-moottorin ja NVIDIAn Omniverse™-moottorin välillä?

Jacqui:Moniulotteisen älykkyysmoottorin rakentamisen käsite on täysin erilainen kuin NVIDIAn Omniverse™-moottoreissa.

Jos Omniverse™ on horisontaalinen laajennus, joka kattaa eri osa-alueet, kuten robotiikan, tieteellisen tietojenkäsittelyn ja AI for Sciencen, ja palvelee samalla myös NVIDIAn tekoälyn laskentatehotuotteita,Moniulotteinen DexVerse™ on päästä päähän pystysuora tunkeutuminen, ja moottorin iteratiivinen kehitys palvelee ruumiillistuneiden älykkäiden taitotehtävien toteuttamista pystyskenaarioissa.

Tällä hetkellä Sim2Real AI on vielä innovaatiovetoisen tuoteliiketoiminnan toteutusvaiheessa. Vain omaan tutkimuskoneeseen luottaen voi tukea kaikkia tutkimus- ja kehitysprosessin näkökohtia fyysisestä simulaatiosta, tietojen renderöimisestä ja generoinnista sekä automaattisista huomautusten laskemisesta. älykäs mallisuunnittelu ja -koulutus, kohta kohdalta Vain ratkaisemalla keskeisiä ongelmia ja hallitsemalla osaaminen voidaan todella toteuttaa liiketoimintaskenaarioissa.

L1-L5 polku älykkään liiketoiminnan toteuttamiseen

K: Mikä on mielestäsi toteutuspolku ruumiillistuneelle älylle teknologiasta tuotteeseen kaupalliseen toteutukseen?

Jacqui:Kehittyneen älykkyyden ydin on antaa kaikentyyppisille roboteille yleiset toimintaominaisuudet erilaisissa sovellusskenaarioissa oppimalla robottitaitokirjasto, joka sisältää erilaisia ​​yleistettäviä taitoja, joten sen kaupallistamisen tulee perustua teollisuuteen, maatalouteen, kauppaan ja henkilökohtaiseen / kohdentamiseen skenaariot, joilla on rajat, kuten perheet, "aloita loppua ajatellen" ja muodostavat tuotteen arvoa ja kaupallista toteutusta luomalla yhteisiä taitoja roboteille itsenäisissä liiketoimintaskenaarioissa.

Teknisesti ruumiillistuneen älykkyyden on käytettävä Sim2Real AI:tä avatakseen tehtävien ymmärtämisen, digitaalisten resurssien luomisen, datasimulaatioiden luomisen ja tekoälymallikoulutuksen automatisoidun ketjun saavuttaakseen universaalin robottitehtävän oppimisen tehokkaimmalla tavalla ja muodostaakseen sopivat ohjelmisto- ja laitteistotuotteet. erilaisiin liiketoimintaskenaarioihin, mukaan lukien älykkäät SoC:t, älykkäät anturit, yleiset robottiohjaimet jne.

Tällä tiellä ruumiillistuneen älyn on ensin vahvistettava suhteellisen kypsät laitteistoontologiat, kuten robottikäsivarret ja komposiittirobotit. Universaalien ontologioiden, kuten näppärät kädet ja humanoidirobotit, kypsän massatuotannon myötä yleiset ominaisuudet paranevat entisestään ja kaupallinen arvo kasvaa. syntyy.

Kysymys: Perustuen viiteen erittäin monipuoliseen ruumiillistuneen älykkyyden L1-L5 vaiheeseen, jonka ehdotit, missä vaiheessa Interdimensional on tällä hetkellä?

Jacqui:Itse kehittämään DexVerse™-älymoottoriin perustuen Kuandimensional on luonut täyden ketjun ominaisuuksia, kuten skenaariotehtävien ymmärtämisen, digitaalisen omaisuuden luomisen, datasimulaatioiden luomisen ja tekoälymallikoulutuksen palvelemaan sovellusskenaarioita, kuten älykästä tuotantoa ja älykästä maataloutta. on muodostanut kattavan verkoston, joka sisältää älykkäät näköanturit, PickWiz-ohjelmistot, komposiittirobotit ja muut älykkäät tuotteet.

Tällä hetkellä Kuanwei on ottanut käyttöön "Simulation to Reality" -liiketoimintamallin ja ottanut sen käyttöön yli 30 toimialalla, kuten autonosissa, 3C:n valmistuksessa, uudessa energiassa, kodinkoneissa, kemikaaleissa ja logistiikassa. Se on tehnyt yhteistyötä yritysten kanssa, kuten GAC, Midea , Haier, Monet alan johtavat asiakkaat, mukaan lukien Panasonic ja Lens Technology.

Yllä olevassa kuvassa L1-L5 viitaten Kuandimension on saattanut päätökseen ruumiillistuneen älykkyyden L1-vaiheen kehittämisen ja etenee tasaisesti kohti L2-tasoa, joka on yksi harvoista maailmassa.

K: Mikä on mielestäsi lopullinen ruumiillistuneen älyn ja humanoidirobottien ekologinen ketju? Tekeekö Kuan Dimension täydellisen (humanoidi) robottilaitteiston?

Jacqui: Universaali robottipään ekologinen ketju koostuu humanoidirunkojen valmistajista, komponenttien valmistajista, visuaalisten ja tuntoanturien valmistajista, ruumiillistuneiden älysirujen ja -ratkaisujen toimittajista jne. Moniulotteisella DexVerse™-älymoottorilla on ratkaiseva rooli teknologisessa polussa, tuotemuodossa, skenaarioiden toteuttamisessa jne. prosessissa, jossa teollisuusketju saavuttaa lopullisen tilansa DexVerse™:n Sim2Real AI -täysketjuominaisuuksien avulla , se alkaa loppua ajatellen kaupallisesta suljetun kierron lähestymistavasta, jolla edistetään yhtenäisiä standardeja ruumiillisille älykkäille roboteille laitteiston kokoonpanon, sensorin valinnan, datamodaalien paradigmojen ja multimodaalisten suurten mallien osalta.

Kuandimensional on muodostanut älykkäitä tuotteita, kuten komposiittirobotteja, älykkäitä visuaalisia antureita ja PickWiz-ohjelmistoja. Toteuttaessaan lisää liiketoimintaskenaarioita Kuandimensional vahvistaa ensin suhteellisen kypsän liikkuvan/pyöräjalkaisen alustan + älykkäät robottivarret lopulta yhdistä voimansa humanoidirobottien ontologioiden valmistajien kanssa saavuttaakseen yleisen ruumiillistuneen älykkyyden laajan käyttöönoton.