berita

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Jantung Mesin dirilis

Departemen Editorial Jantung Mesin

Dalam waktu lebih dari setahun sejak munculnya kegilaan intelijen, perubahan revolusioner telah terjadi dalam metode produksi dan interaksi dunia fisik dan informasi.

Pada saat yang sama, pertempuran baru diam-diam dimulai: produsen besar memutar otak untuk mendapatkan "bahan bakar" AI yang paling berharga, yaitu data. Saat ini, kurangnya data masih menjadi hambatan yang dihadapi oleh kecerdasan universal. Selama tiga tahun terakhir, dalam penelitian tentang kecerdasan yang diwujudkan oleh perusahaan ternama seperti Google, NVIDIA, dan OpenAI, kami belum melihat munculnya Scaling Law. Hal ini terkait dengan kurangnya berbagai jenis data.

Bagaimana cara mengatasi masalah mendasar ini? Dari perspektif teknologi, Sim2Real AI adalah jalur yang sudah lama ada. Namun, karena "bias konseptual" dalam menghilangkan kesenjangan Sim2Real, akademisi dan industri menganggapnya lebih sebagai metode pelengkap data tambahan.

Tapi benarkah demikian?

Jia Kui, seorang profesor tetap di Chinese University of Hong Kong (Shenzhen) dan pendiri Cross-Dimensional Intelligence, memberikan jawabannya melalui praktik jangka panjang dari akademisi hingga industri: "Sim2Real AI adalah jalur paling efisien untuk mewujudkan kecerdasan."

Dari visi dua dimensi hingga visi tiga dimensi, dari kecerdasan spasial hingga kecerdasan yang diwujudkan, dari penelitian ilmiah hingga produk hingga implementasi komersial, Jia Kui telah menjelajahi bidang ini selama lebih dari dua puluh tahun. Baru-baru ini, di WAIC, diadakan perbincangan tentang bagaimana kecerdasan yang diwujudkan dapat memecahkan dilema data.

Jika Anda menggunakan AI untuk mencoba memahami percakapan ini, mungkin ada baiknya Anda meringkas poin-poin penting berikut:

Apa sifat kecerdasan spasial dan kecerdasan yang diwujudkan yang saat ini menjadi topik terhangat?

Apa makna spesifik dari mewujudkan kecerdasan spasial dan yang terkandung dalam paradigma Scaling Law?

Jalur mana yang paling efisien untuk mencapai kecerdasan universal?

Bagaimana kecerdasan yang terkandung berpindah dari teknologi ke produk dan implementasi bisnis?

Di masa depan, imajinasi apa yang bisa menjadi kenyataan yang mampu mendobrak paradigma produksi industri?

Tentu saja, ada juga bagian yang belum dapat dipahami oleh AI - peneliti dan wirausahawan ilmiah ini telah menunjukkan keyakinan kuat dan misi historisnya.

Berikut transkrip wawancaranya:

Bangun “model dunia”

Memicu robot "spiritualitas"

T: Profesor Li Feifei, yang dikenal sebagai “Ibu baptis AI,” memilih arah “kecerdasan spasial” ketika ia memulai bisnis pertamanya, yang menarik perhatian luas di bidang ini. Bisakah Anda menjelaskan pemahaman Anda tentang kecerdasan spasial dan kecerdasan yang diwujudkan?

Jacqui: Kecerdasan spasial dan kecerdasan yang diwujudkan merupakan topik yang telah menarik banyak perhatian di tingkat sosial dalam beberapa tahun terakhir, namun penelitian akademis di baliknya telah berlangsung lama. Kecerdasan Spasial adalah konsep multidimensi yang biasanya mengacu pada kemampuan kognitif dan penalaran individu dalam ruang fisik tiga dimensi dan ruang dan waktu empat dimensi, termasuk persepsi, penalaran, pengambilan keputusan, dll. Kecerdasan Terwujud mengacu pada kecerdasan di mana sistem cerdas memiliki bentuk fisik dan berinteraksi dengan lingkungan melalui bentuk tersebut. Kecerdasan yang terkandung tidak hanya berfokus pada persepsi, tetapi juga mencakup tindakan dan reaksi agen cerdas terhadap lingkungan. Sama seperti manusia yang menggunakan matanya untuk melihat dunia, kecerdasan yang diwujudkan membutuhkan robot untuk dapat melihat, berinteraksi, dan mengambil keputusan melalui sensor multimodal untuk membentuk kognisi spasial dan kemampuan operasi yang komprehensif.

T: Apa persamaan dan perbedaan antara kecerdasan spasial dan kecerdasan bawaan?

Jacqui: Seperti disebutkan sebelumnya, kecerdasan spasial memberi AI kemampuan untuk memahami dan memahami dunia nyata, sementara kecerdasan yang diwujudkan tidak hanya memerlukan persepsi dan penalaran kognitif terhadap objek, lingkungan, dan agen lain yang terlibat dalam kecerdasan spasial, tetapi juga mencakup perencanaan gerak tingkat tinggi. dan kontrol gerak tingkat rendah yang diperlukan untuk pengoperasian robot, serta berbagai "keterampilan" robot yang serupa dengan kemampuan pengoperasian manusia yang ditentukan oleh interaksi antara tubuh robot dan objek pengoperasian. Penguasaan setiap skill berarti robot dapat menangani berbagai objek yang berkaitan dengan skill tersebut, tidak hanya objek yang spesifik dan spesifik.

Keterampilan ini mencakup kumpulan "sub-keterampilan" dan "keterampilan atom", membentuk perpustakaan keterampilan robot, atau "ruang keterampilan". Inti dari kecerdasan yang diwujudkan adalah mempelajari dan menggeneralisasi ruang keterampilan ini, sehingga mencapai kecerdasan umum buatan (AGI) dengan atribut yang diwujudkan seperti manusia.

Dalam aplikasi tertentu, kecerdasan spasial memiliki cakupan yang lebih luas dan dapat dipasang pada robot atau terlepas dari robot. Hal ini pada dasarnya adalah masalah pemahaman ruang, seperti penerapan AR/VR yang penting. Kecerdasan yang diwujudkan terutama tercermin dalam robot, khususnya robot serba guna (humanoid).

Secara umum, kecerdasan spasial lebih berfokus pada kemampuan kognitif dan penalaran dalam ruang dan waktu empat dimensi, sedangkan kecerdasan yang diwujudkan lebih lanjut mencakup kemampuan berinteraksi langsung dengan lingkungan melalui bentuk fisik.

T: Mengapa Anda memilih untuk memulai bisnis ke arah luar angkasa dan mewujudkan kecerdasan?

Jacqui: Dapat dikatakan bahwa kita telah menaruh perhatian pada bidang ini sejak awal dan memiliki akumulasi sejarah dan akumulasi teknologi yang mendalam. Tim ini mendirikan "Laboratorium Persepsi dan Intelijen Geometri" pada masa-masa awal, ketika bidang ini belum dilibatkan oleh "produsen besar" ternama.Kami adalah salah satu peneliti dan tim pertama di Tiongkok yang menerapkan teknologi kecerdasan buatan pada data non-Eropa seperti 3D.

Tim kami telah melakukan sejumlah besar penelitian lintas inovasi dalam bidang pembelajaran mendalam geometris, pemodelan 3D, persepsi spasial, dan aplikasi robotik, dan telah mencapai serangkaian hasil yang representatif, termasuk 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) dan banyak lagi.

DexVerse™ 2.0 memperkenalkan teknologi 4D Mesh baru, yang dirancang khusus untuk simulasi fisik dinamis dan pembuatan rendering data, dan dapat menangani banyak objek secara seragam seperti benda kaku, benda lunak, dan cairan. Sebagai bentuk ekspresi inti mesin, 4D Mesh akan dijalankan melalui seluruh proses mulai dari simulasi fisik, pembuatan anotasi data hingga pelatihan model besar.

Catatan:https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2650927069&idx=1&sn=32b8072ec663f02350d310f082511ebb&chksm=84e42ba3b393a2b5 a5ca60fb8582ae4320820f4eb88e827a2f5830eedcc274e6a904482c6f59&token=263296417&lang=zh_CN#rd

T: Apa pemahaman Anda tentang konsep inti ruang dan kecerdasan yang terkandung di dalamnya? Di jalur panas ini, apa keuntungan interdimensionalitas?

Jacqui:Kami percaya itu,Inti dari kecerdasan spasial dan perwujudan adalah membangun "model dunia" sehingga robot memiliki "spiritualitas" yang mirip dengan persepsi manusia.Secara khusus, perlu untuk membangun "model dunia" yang secara akurat dapat memodelkan, memahami dan menalar geometri spasial dan proses fisik, sehingga berbagai sensor robot termasuk penglihatan, gaya, sentuhan, dll dapat memiliki kemampuan persepsi manusia.

Di bawah arsitektur AI dan paradigma model saat ini, tim kami berharap demikianMelalui simulasi fisik generatif, kami menangkap cermin empat dimensi ruang-waktu dari dunia kehidupan manusia untuk mendapatkan data atribut fisik yang tak ada habisnya - ini adalah kunci untuk mewujudkan kecerdasan spasial dan yang diwujudkan.

Oleh karena itu, sejak didirikan, Kuandimensional telah menciptakan ruang DexVerse™ yang dikembangkan sendiri dan mesin intelijen yang diwujudkan, yang dapat mewujudkan otomatisasi rantai penuh "simulasi fisik - sintesis data - pelatihan model" untuk skenario bisnis tertentu, dan berdasarkan pada Pembentukan ini kit model besar kecerdasan spasial dan yang diwujudkan serta sensor cerdas visual murni, memberikan robot universal otak dan mata yang cerdas.

Saat ini, Kuandimension telah mencapai tingkat keberhasilan misi lebih dari 99,9% dengan 100% data sintetis dan persyaratan akurasi pengoperasian milimeter/sub-milimeter dalam berbagai skenario komersial.

Ruang universal dan kecerdasan yang terkandung

Seberapa jauh dari akhir?

T: Anda baru saja berbicara tentang penggunaan paradigma Scaling Law untuk mewujudkan kecerdasan spasial dan kecerdasan yang terkandung di dalamnya. Bisakah Anda menguraikan makna spesifiknya? Apakah lebih sulit mewujudkan ruang universal dan kecerdasan yang terkandung daripada mewujudkan universalitas model bahasa besar?

Jacqui: Memang lebih sulit mencapai ruang universal dan kecerdasan yang diwujudkan daripada mencapai universalitas model bahasa besar. Model bahasa besar, yang diwakili oleh seri GPT OpenAI, mencapai sampel nol (zero-shot), yaitu kemampuan umum, yang menunjukkan awal dari apa yang disebut AGI.

Bahasa alami manusia dapat dianggap sebagai kode semantik yang disempurnakan melalui abstraksi tingkat tinggi dari alam semesta dan lingkungan alam tempat kita hidup. Oleh karena itu, relatif mudah bagi model bahasa besar untuk mempelajari dan menggeneralisasi secara langsung pada tingkat abstrak.

Secara relatif,Kecerdasan spasial memerlukan pembelajaran dari sinyal mentah yang diperoleh oleh sensor, yang berarti melintasi “celah semantik” dari sinyal digital mentah ke simbol semantik manusia.Untuk mempelajari kecerdasan umum melalui paradigma Scaling Law yang mirip dengan GPT, diperlukan data pelatihan dalam jumlah besar;Data pelatihan kecerdasan spasial tidak hanya memerlukan data dalam jumlah besar, tetapi juga memerlukan kalibrasi yang tepat dari sinyal asli yang diperoleh sensor untuk memastikan bahwa sensor tersebut memiliki pengukuran pada skala fisik absolut. Hal ini jauh lebih sulit daripada memperoleh data gambar dan teks dalam jumlah besar dari internet.

Kecerdasan yang diwujudkan melangkah lebih jauh. Selain mempelajari kecerdasan umum dari sinyal sensorik berdimensi tinggi seperti penglihatan, kekuatan, dan sentuhan, Tujuan yang lebih penting adalah mempelajari "ruang keterampilan" robot yang ditentukan bersama oleh ontologi robot dan objek pengoperasian. Keumuman kecerdasan yang terkandung tercermin dalam generalisasi dalam bidang keterampilan, yang meningkatkan kesulitan mempelajari paradigma yang berbeda.

T: Dapatkah Anda menjelaskan tentang kemampuan spesifik model besar multi-modal yang diperlukan untuk kecerdasan spasial dan kecerdasan yang diwujudkan?

Jacqui:Kecerdasan spasial melibatkan tugas-tugas seperti persepsi, interaksi, penalaran, dan pengambilan keputusan di dunia fisik tiga dimensi. Kecerdasan yang diwujudkan lebih lanjut memerlukan pembentukan perpustakaan keterampilan operasi otonom robot berdasarkan analisis cerdas sinyal persepsi spasial seperti penglihatan, kekuatan. , dan sentuh.

Oleh karena itu, diperlukan kemampuan model besar multi-modal termasuk bahasa alami, sentuhan paksa, keadaan tubuh robot, dan modalitas lainnya.Multi-modalitas ini dapat "diintegrasikan" dalam ruang semantik, spatio-temporal, dan keterampilan yang sama, sehingga mencapai kecerdasan spasial dan kecerdasan yang diwujudkan seperti manusia.

T: Menurut Anda, sejauh mana ruang universal dan kecerdasan yang terkandung di dalamnya masih belum menjadi tujuan akhir?

Jacqui:Saat ini, paradigma Scaling Law AI, yang dicirikan oleh data yang sangat besar, model yang besar, dan daya komputasi yang besar, dapat diproduksi secara massal secara stabil dengan cara yang hemat biaya dengan premis bahwa perangkat keras robot universal sudah matang, yaitu komponen inti. seperti robot humanoid, tangan cekatan, dan sensor humanoid, setidaknya dapat mendukung kecerdasan spasial dan yang diwujudkan untuk membentuk nilai bisnis independen dalam berbagai skenario bisnis loop tertutup dengan batasan dan ROI yang wajar.

Secara khusus, dalam berbagai skenario seperti industri, logistik, perdagangan, dan rumah, robot dapat menyelesaikan berbagai tugas dengan cara yang dapat digeneralisasikan. Tentu saja, hal ini memerlukan perolehan data multi-modal besar-besaran dengan properti fisik, serta penghitungan otomatis anotasi kaya yang mendukung berbagai strategi pembelajaran seperti pelatihan yang diawasi, pembelajaran imitasi, dan pembelajaran penguatan.

Jalur paling efisien untuk mencapai kecerdasan universal

T: Saya perhatikan Anda menyebutkan "Sim2Real AI adalah jalur paling efisien untuk mewujudkan kecerdasan yang diwujudkan" dalam pidato WAIC Anda.

Jacqui: Untuk mencapai kecerdasan yang terkandung, sifat dan tujuan data harus dipertimbangkan. Tujuan dari kecerdasan yang diwujudkan adalah untuk memungkinkan robot mencapai kemampuan operasi umum di dunia fisik yang terus berubah berdasarkan sinyal sensor seperti penglihatan, kekuatan, dan sentuhan, seperti yang kita lakukan sebagai manusia setiap hari dalam kehidupan sehari-hari.

Di bawah paradigma Scaling Law AI, yaitu model pembelajaran mesin tidak memiliki kecerdasan umum atau generalisasi yang nyata, tetapi hanya memiliki kemampuan untuk "interpolasi" dalam mempelajari distribusi statistik dan distribusi statistiknya. Pelatihan robot cerdas memerlukan perolehan yang besar jumlah data.

Data ini harus mencakup berbagai kondisi pengoperasian yang terlibat dalam setiap keterampilan robot, seperti semua kondisi pengoperasian dari pagi hingga sore, musim semi, musim panas, musim gugur dan musim dingin, di dalam hingga di luar ruangan. Jika Anda mengandalkan sistem pengumpulan data robot atau perangkat yang dapat dikenakan, seperti "teleoperasi" yang sudah dikenal, maka untuk mengumpulkan data yang cukup, pertama-tama Anda perlu membangun model bisnis yang memungkinkan pengguna menikmati layanan dan nilai komersial sekaligus membantu mengumpulkan data. data, tetapi saat ini tidak ada cara seperti itu.

Dibandingkan,Sim2Real AI dapat mencakup semua perubahan di atas dengan lebih efisien melalui simulasi fisik dan data sintetis. Metode ini memungkinkan simulasi berbagai objek operasi, perubahan lingkungan, konfigurasi robot, dan perubahan sensor di lingkungan virtual, serta dapat berbagi simulasi fisik yang mendasari dan kemampuan pembuatan data untuk skenario bisnis yang berbeda. Objek operasi apa pun, termasuk benda kaku, engsel, benda lunak, cairan, dll., dapat mendukung pembuatan data melalui simulasi fisik yang akurat.

Jadi, secara umum,Meskipun penggunaan sistem pengumpulan data robot atau "teleoperasi" pada perangkat yang dapat dikenakan dapat dengan cepat menunjukkan beberapa tindakan operasi yang mirip manusia, dibandingkan dengan kemampuan kecerdasan yang diperlukan untuk mencapai robot pada umumnya, metode ini tampaknya merupakan "kebalikan". Ini adalah cara paling efisien untuk mencapai tujuan Anda.

Pertanyaan: Dengan pendekatan teknis ini, bagaimana cara menghilangkan GAP antara data sintetik dan data nyata?

Jacqui: Dari sudut pandang akademis, Sim2Real AI adalah jalur teknologi yang sudah lama ada dan salah satu jalur utama untuk mencapai kecerdasan spasial dan yang diwujudkan. Tim kami juga memulai dari dunia akademis. Dalam proses implementasi produk dan bisnis, kami telah berhasil merintis jalur unik: mampu mencapai akurasi 99,9% dalam berbagai skenario dengan 100% data sintetis di bawah persyaratan akurasi milimeter/sub-milimeter tingkat, yang mungkin unik di dunia.

Keberhasilan apa pun bukanlah suatu kebetulan, tetapi didasarkan pada pemahaman mendalam tentang masalah dan solusi sistematis. Dimulai dari prinsip pertama dan memikirkan makna terdalam dari segala sesuatu, tim lintas dimensi menemukan solusi efektif dengan menyederhanakan masalah yang kompleks dan membongkarnya selapis demi selapis.

Sederhananya, menggunakan Sim2Real AI untuk mencapai kecerdasan yang diwujudkan memerlukan:

1) Simulasi tubuh robot, simulasi sensor multi-modal, berbagai bentuk simulasi objek operasi dan simulasi proses dinamis;

2) Data dan anotasi yang terkait dengan simulasi dirender dan dihasilkan;

3) Membangun rantai otomatis yang dapat dimigrasikan ke Sim2Real dalam aspek-aspek seperti desain dan pelatihan model besar yang cerdas, dan setidaknya ambang batas teknis inti berikut perlu diatasi:

Simulasi fisika perwujudan tingkat rendah yang dapat dikontrol

Pelatihan model besar multimodal yang efisien dan pembelajaran berkelanjutan

Menangani perbedaan antara domain data sintetis dan nyata secara efektif

Akuisisi aset digital besar-besaran berbiaya rendah

T: Berdasarkan jalur teknologi Sim2Real AI yang baru saja Anda sebutkan, apa hasil praktisnya di seluruh dimensi?

Jacqui: Kuandimensional telah membangun mesin kecerdasan DexVerse™ dari bawah ke atas, termasuk modul seperti simulasi fisik, rendering dan pembuatan data, penghitungan anotasi otomatis, desain model, dan pelatihan. Mesin ini tidak memerlukan partisipasi personel R&D.SDK dapat secara otomatis menghasilkan SDK model AI untuk tugas-tugas intelijen yang diwujudkan di seluruh rantai. Kecepatan pembuatan data berada pada frekuensi yang sama dengan kecepatan iterasi pelatihan model AI, sehingga tidak perlu menyimpan data sama sekali tidak peduli berapa banyak data pelatihan yang dikumpulkan, itu tidak lagi dianggap sebagai standar kuantitatif untuk implementasi.Saat ini, DexVerse™ mendukung penerapan produk perangkat lunak dan perangkat keras Kuaodi dalam berbagai skenario.

Seperti yang ditunjukkan di atas, DexVerse™ 2.0 melangkah lebih jauh:

Pertama-tama, mengingat skenario bisnis dengan batasan yang jelas dan konfigurasi perangkat keras robot, DexVerse™ 2.0 dapat menggunakan model bahasa besar untuk secara otomatis membongkar keterampilan robot dan sub-keterampilan yang terlibat.

Kedua, untuk keterampilan atau sub-keterampilan apa pun, DexVerse™ 2.0 dapat secara otomatis menghasilkan aset digital seperti objek dan pemandangan yang diperlukan untuk simulasi, serta mensimulasikan dan merender berdasarkan aset ini untuk menghasilkan strip data proses operasi robot di ruang virtual.

Selanjutnya, model VLA (Vision Language Action) 3D cerdas yang diwujudkan dilatih melalui pembuatan data di ruang virtual.

Terakhir, model yang dilatih dapat menggerakkan ontologi robot dalam skenario bisnis tertentu untuk menyelesaikan berbagai operasi keterampilan robot dengan cara universal.

Melalui DexVerse™ Embodied Intelligence Engine 2.0, seluruh rantai pembongkaran tugas, pembuatan adegan, pembuatan konfigurasi pelatihan, dan pelatihan model diotomatisasi, dan model yang dilatih diimpor ke mesin sebenarnya untuk memandu robot menyelesaikan perakitan rusa blok bangunan.

Catatan:https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2650927069&idx=1&sn=32b8072ec663f02350d310f082511ebb&chksm=84e42ba3b393a2b5 a5ca60fb8582ae4320820f4eb88e827a2f5830eedcc274e6a904482c6f59&token=263296417&lang=zh_CN#rd

Melalui mesin yang sepenuhnya otomatis ini, roda gila bagi robot universal untuk mempraktikkan keterampilan/sub-keterampilan cerdas yang terkandung akan berputar paling efisien, sehingga mendorong penerapan robot universal dalam lebih banyak skenario.Kuanwei akan bekerja sama dengan lebih banyak pihak industri untuk membuka ekosistem dan mencapai kerja sama yang saling menguntungkan untuk bersama-sama mendorong perkembangan pesat industri intelijen dan robot umum Tiongkok.

T: Mengapa Kuaodi memilih mesin yang dikembangkan sendiri? Apa perbedaan antara mesin DexVerse™ lintas dimensi dan Omniverse™ dari NVIDIA?

Jacqui:Konsep membangun mesin kecerdasan yang diwujudkan lintas dimensi benar-benar berbeda dari mesin seperti Omniverse™ milik NVIDIA.

Jika Omniverse™ adalah ekspansi horizontal, yang mencakup berbagai sektor seperti robotika, komputasi ilmiah, dan AI untuk Sains, sekaligus melayani produk daya komputasi AI NVIDIA, makaDexVerse™ lintas dimensi adalah penetrasi vertikal ujung ke ujung, dan evolusi mesin yang berulang-ulang melayani realisasi tugas keterampilan cerdas yang diwujudkan dalam skenario vertikal.

Saat ini, Sim2Real AI masih dalam tahap implementasi bisnis produk yang didorong oleh inovasi. Hanya mengandalkan mesin penelitian mandiri yang dapat mendukung semua aspek proses penelitian dan pengembangan mulai dari simulasi fisik, rendering dan pembuatan data, penghitungan anotasi otomatis, yang diwujudkan. desain dan pelatihan model cerdas, poin demi poin. Hanya dengan mengatasi masalah utama dan menguasai pengetahuan, produk dapat benar-benar diimplementasikan dalam skenario bisnis.

Jalur L1-L5 mewujudkan implementasi bisnis cerdas

T: Menurut Anda, bagaimana jalur penerapan kecerdasan yang diwujudkan mulai dari teknologi, produk, hingga implementasi komersial?

Jacqui:Inti dari kecerdasan yang diwujudkan adalah memberikan semua jenis robot kemampuan operasi umum dalam skenario aplikasi yang berbeda dengan mempelajari perpustakaan keterampilan robot yang berisi berbagai keterampilan yang dapat digeneralisasikan oleh karena itu, komersialisasinya harus didasarkan pada industri, pertanian, perdagangan, dan bisnis pribadi/penargetan skenario dengan batasan seperti keluarga, "mulai dengan tujuan akhir", dan membentuk nilai produk dan implementasi komersial dengan menetapkan keterampilan umum untuk robot dalam skenario bisnis mandiri.

Secara teknis, kecerdasan yang diwujudkan harus menggunakan Sim2Real AI untuk membuka rantai otomatis pemahaman tugas, pembuatan aset digital, pembuatan simulasi data, dan pelatihan model AI untuk mencapai pembelajaran tugas robot universal dengan cara yang paling efisien, dan membentuk produk Perangkat Lunak dan perangkat keras yang dapat diterapkan untuk berbagai skenario bisnis, termasuk SoC cerdas, sensor pintar, pengontrol robot universal, dll.

Dalam perjalanannya, kecerdasan yang diwujudkan pertama-tama perlu memberdayakan ontologi perangkat keras yang relatif matang seperti lengan robotik dan robot komposit. Dengan produksi massal ontologi universal yang matang seperti tangan tangkas dan robot humanoid, kemampuan keseluruhan akan semakin ditingkatkan dan nilai komersial yang lebih besar akan meningkat. dihasilkan.

Pertanyaan: Berdasarkan lima tahap perwujudan kecerdasan L1-L5 yang sangat serbaguna yang Anda usulkan, pada tahap manakah Interdimensional saat ini berada?

Jacqui:Berdasarkan mesin kecerdasan bawaan DexVerse™ yang dikembangkan sendiri, Kuandimensional telah membangun kemampuan rantai penuh seperti pemahaman tugas skenario, pembuatan aset digital, pembuatan simulasi data, dan pelatihan model AI untuk melayani skenario aplikasi seperti manufaktur pintar dan pertanian pintar, dan telah membentuk jaringan komprehensif termasuk sensor penglihatan Cerdas, perangkat lunak PickWiz, robot komposit, dan produk cerdas lainnya.

Saat ini, Kuanwei telah menerapkan model bisnis "Simulasi ke Realitas" dan menerapkannya di lebih dari 30 industri seperti suku cadang mobil, manufaktur 3C, energi baru, peralatan rumah tangga, bahan kimia, dan logistik. Kuanwei telah bekerja sama dengan perusahaan termasuk GAC, Midea , Haier, Banyak pelanggan industri terkemuka termasuk Panasonic dan Lens Technology.

Mengacu pada L1-L5 pada gambar di atas, Kuandimension telah menyelesaikan pengembangan tahap L1 dari kecerdasan yang diwujudkan dan terus bergerak menuju tingkat L2, yang merupakan salah satu dari sedikit tingkat di dunia.

T: Menurut Anda, bagaimana rantai ekologi akhir dari perwujudan kecerdasan dan robot humanoid? Akankah Kuan Dimension membuat perangkat keras robot (humanoid) yang lengkap?

Jacqui: Rantai ekologi ujung robot universal terdiri dari produsen tubuh humanoid, produsen komponen, produsen sensor visual dan sentuhan, pemasok chip dan solusi pintar yang diwujudkan, dll. Mesin kecerdasan yang diwujudkan DexVerse™ lintas dimensi akan memainkan peran yang menentukan dalam jalur teknologi, bentuk produk, implementasi bisnis skenario, dll. dalam proses rantai industri mencapai keadaan akhirnya. Melalui kemampuan rantai penuh AI Sim2Real DexVerse™ , hal ini akan dimulai dengan tujuan akhir, dari pendekatan loop tertutup komersial untuk mempromosikan standar terpadu untuk robot cerdas dalam hal konfigurasi perangkat keras, pemilihan sensor, paradigma modal data, dan model besar multi-modal.

Kuandimensional telah membentuk produk-produk cerdas yang diwujudkan seperti robot komposit, sensor visual cerdas, dan perangkat lunak PickWiz, dalam proses penerapan lebih banyak skenario bisnis, Kuandimensional pertama-tama akan memberdayakan sasis bergerak/berkaki roda + lengan robotik ganda akhirnya bergabung dengan produsen ontologi robot humanoid untuk mencapai penerapan kecerdasan umum yang diwujudkan secara luas.