notizia

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Rilasciato Heart of the Machine

Dipartimento editoriale di Machine Heart

A più di un anno dall’avvento della mania dell’intelligenza incarnata, si sono verificati cambiamenti rivoluzionari nei metodi di produzione e interazione del mondo fisico e delle informazioni.

Allo stesso tempo, una nuova battaglia sta iniziando silenziosamente: i principali produttori si stanno scervellando per catturare il "carburante" dell'intelligenza artificiale più prezioso: i dati. Attualmente, la mancanza di dati rappresenta ancora un muro alto di fronte all’intelligenza incarnata universale. Negli ultimi tre anni, nella ricerca sull’intelligenza incarnata condotta da aziende note come Google, NVIDIA e OpenAI, non abbiamo ancora visto l’emergere della legge di ridimensionamento. Ciò è legato alla mancanza di vari tipi di dati.

Come risolvere questo fondamentale punto dolente? Dal punto di vista tecnologico, Sim2Real AI è un percorso di lunga data. Tuttavia, a causa del "pregiudizio concettuale" nell'eliminare il divario Sim2Real, il mondo accademico e l'industria lo considerano più come un metodo ausiliario di integrazione dei dati.

Ma è davvero così?

Jia Kui, professore di ruolo presso l'Università cinese di Hong Kong (Shenzhen) e fondatore di Cross-Dimensional Intelligence, ha dato la risposta attraverso la pratica a lungo termine dal mondo accademico all'industria: "Sim2Real AI è il percorso più efficiente verso l'intelligenza incarnata".

Dalla visione bidimensionale alla visione tridimensionale, dall'intelligenza spaziale all'intelligenza incarnata, dalla ricerca scientifica ai prodotti all'implementazione commerciale, Jia Kui esplora questo campo da più di vent'anni. Recentemente, al WAIC, si è tenuta una conversazione su come l’intelligenza incorporata può superare il dilemma dei dati.

Se dovessi utilizzare l’intelligenza artificiale per cercare di comprendere questa conversazione, potrebbe aiutarti a riassumere questi punti chiave:

Qual è la natura dell’intelligenza spaziale e dell’intelligenza incarnata che sono attualmente gli argomenti più caldi?

Qual è il significato specifico di realizzare l’intelligenza spaziale e incarnata utilizzando il paradigma della Legge di Scala?

Qual è il percorso più efficace per raggiungere l’intelligenza incarnata universale?

In che modo l'intelligenza incorporata si sposta dalla tecnologia al prodotto fino all'implementazione aziendale?

In futuro, quali immaginazioni potranno realizzarsi e rompere il paradigma produttivo del settore?

Naturalmente ci sono anche parti che l'intelligenza artificiale non è ancora in grado di comprendere: questo ricercatore scientifico e imprenditore ha dimostrato la sua ferma fiducia e la sua missione storica.

Quella che segue è la trascrizione dell'intervista:

Costruire un “modello mondiale”

Innescare la "spiritualità" del robot

D: Il professor Li Feifei, noto come la “madrina dell'intelligenza artificiale”, ha scelto la direzione dell'“intelligenza spaziale” quando ha avviato la sua prima attività, che ha attirato un'ampia attenzione in questo campo. Puoi parlare della tua comprensione dell’intelligenza spaziale e dell’intelligenza incarnata?

Jacqui: L’intelligenza spaziale e l’intelligenza incarnata sono argomenti che hanno attirato molta attenzione a livello sociale negli ultimi anni, ma la ricerca accademica dietro di essi va avanti da molto tempo. L'intelligenza spaziale è un concetto multidimensionale che di solito si riferisce alle capacità cognitive e di ragionamento di un individuo nello spazio fisico tridimensionale e nel tempo e nello spazio quadridimensionali, inclusi percezione, ragionamento, processo decisionale, ecc. L'intelligenza incarnata si riferisce all'intelligenza in cui un sistema intelligente ha una forma fisica e interagisce con l'ambiente attraverso questa forma. L’intelligenza incarnata non si concentra solo sulla percezione, ma include anche le azioni e le reazioni degli agenti intelligenti all’ambiente. Proprio come gli esseri umani usano gli occhi per percepire il mondo, l’intelligenza incorporata richiede che i robot siano in grado di percepire, interagire e prendere decisioni attraverso sensori multimodali per formare capacità operative e cognitive spaziali complete.

D: Quali sono le somiglianze e le differenze tra l'intelligenza spaziale e l'intelligenza incarnata?

Jacqui: Come accennato in precedenza, l’intelligenza spaziale conferisce all’intelligenza artificiale la capacità di percepire e comprendere il mondo reale, mentre l’intelligenza incarnata non solo richiede la percezione e il ragionamento cognitivo di oggetti, ambienti e altri agenti coinvolti nell’intelligenza spaziale, ma copre anche ulteriormente la pianificazione del movimento di alto livello. e il controllo del movimento di basso livello richiesto per il funzionamento del robot, nonché varie "abilità" del robot simili alle capacità operative umane definite dall'interazione tra il corpo del robot e l'oggetto operativo. La padronanza di ciascuna abilità significa che il robot può maneggiare vari oggetti legati a quell'abilità, non solo un oggetto specifico e specifico.

Queste abilità includono una raccolta di "abilità secondarie" e "abilità atomiche", che formano una libreria di abilità del robot o "spazio delle abilità". L’essenza dell’intelligenza incarnata è apprendere e generalizzare questo spazio di abilità, ottenendo così un’intelligenza generale artificiale (AGI) con attributi incarnati come quelli umani.

In applicazioni specifiche, l’intelligenza spaziale ha una portata più ampia e può essere collegata al robot o staccata dal robot. Si tratta essenzialmente di comprendere lo spazio, come la sua importante applicazione AR/VR. L’intelligenza incorporata si riflette principalmente nei robot, in particolare nei robot generici (umanoidi).

In generale, l’intelligenza spaziale si concentra maggiormente sulle capacità cognitive e di ragionamento nello spazio e nel tempo quadridimensionali, mentre l’intelligenza incarnata include inoltre la capacità di interagire direttamente con l’ambiente attraverso forme fisiche.

D: Perché hai scelto di avviare un'attività nella direzione dello spazio e dell'intelligenza incarnata?

Jacqui: Si può dire che abbiamo prestato attenzione a questo campo molto presto e che abbiamo una profonda accumulazione storica e tecnologica. All'inizio, quando questo campo non era ancora stato coinvolto dai famosi "grandi produttori", il team ha fondato il "Laboratorio di percezione e intelligenza della geometria".Siamo uno dei primi studiosi e team in Cina ad applicare la tecnologia dell’intelligenza artificiale a dati non europei come il 3D.

Il nostro team ha condotto un gran numero di ricerche di innovazione incrociata nelle direzioni del deep learning geometrico, della modellazione 3D, della percezione spaziale e delle applicazioni robotiche e ha ottenuto una serie di risultati rappresentativi, tra cui Grasp Proposal Networks (NeurIPS 2020), Analytic Marching (ICML 2020/TPAMI 2021), Convoluzione sparsa orientabile (NeurIPS 2021), 3D AffordanceNet (CVPR 2021), Fantasia3D (ICCV 2023), SAM-6D (CVPR 2024) e altro ancora.

DexVerse™ 2.0 introduce la nuova tecnologia 4D Mesh, appositamente progettata per la simulazione fisica dinamica e la generazione di rendering dei dati e può gestire in modo uniforme più oggetti come corpi rigidi, corpi molli e fluidi. Essendo la forma di espressione principale del motore, 4D Mesh eseguirà l'intero processo, dalla simulazione fisica, alla generazione di annotazioni di dati fino all'addestramento di modelli di grandi dimensioni.

Testo: https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2650927069&idx=1&sn=32b8072ec663f02350d310f082511ebb&chksm=84e42ba3b393a2b5a 5ca60fb8582ae4320820f4eb88e827a2f5830eedcc274e6a904482c6f59&token=263296417&lang=zh_CN#rd

D: Qual è la tua comprensione dei concetti fondamentali di spazio e intelligenza incarnata? Su questa strada calda, quali sono i vantaggi dell’interdimensionalità?

Jacqui:Crediamo che,Il nucleo dell’intelligenza spaziale e incarnata è stabilire un “modello mondiale” in modo che i robot abbiano una “spiritualità” simile alla percezione umana.Nello specifico, è necessario stabilire un "modello mondiale" in grado di modellare, comprendere e ragionare accuratamente sulla geometria spaziale e sui processi fisici, in modo che vari sensori del robot, tra cui visione, forza, tatto, ecc. possano avere la capacità di percezione umana.

Con l’attuale architettura e paradigma del modello di intelligenza artificiale, il nostro team spera di farloAttraverso la simulazione fisica generativa, catturiamo lo specchio quadridimensionale spazio-temporale del mondo vivente umano per ottenere infiniti dati sugli attributi fisici: questa è la chiave per realizzare l'intelligenza spaziale e incarnata.

Pertanto, sin dalla sua fondazione, Kuandimensional ha creato lo spazio DexVerse™ sottostante autosviluppato e il motore di intelligenza incorporata, che può realizzare l'automazione completa della catena di "simulazione fisica - sintesi dei dati - addestramento del modello" per scenari aziendali specifici e sulla base di questo un grande kit modello di intelligenza spaziale e incorporata e sensori intelligenti puramente visivi, che danno ai robot universali un cervello e occhi intelligenti.

Allo stato attuale, Kuandimension ha raggiunto un tasso di successo della missione superiore al 99,9% con dati sintetici al 100% e requisiti di precisione operativa millimetrica/submillimetrica in molteplici scenari commerciali.

Spazio universale e intelligenza incarnata

Quanto manca alla fine?

D: Hai appena parlato dell'utilizzo del paradigma della Legge di Scala per realizzare l'intelligenza spaziale e incarnata. Puoi approfondire il suo significato specifico? È più difficile realizzare lo spazio universale e l’intelligenza incarnata che realizzare l’universalità di grandi modelli linguistici. Qual è la difficoltà?

Jacqui: È infatti più difficile raggiungere lo spazio universale e l’intelligenza incarnata che raggiungere l’universalità di grandi modelli linguistici. I grandi modelli linguistici, rappresentati dalla serie GPT di OpenAI, raggiungono lo zero-sample (zero-shot), cioè capacità generali, mostrando l'alba della cosiddetta AGI.

Il linguaggio naturale umano può essere considerato come un codice semantico perfezionato attraverso un elevato grado di astrazione dell'universo e dell'ambiente naturale in cui viviamo. Pertanto, è relativamente facile per i modelli linguistici di grandi dimensioni apprendere e generalizzare direttamente a livello astratto.

Relativamente parlando,L’intelligenza spaziale richiede l’apprendimento dai segnali grezzi acquisiti dai sensori, il che significa attraversare il “gap semantico” dai segnali digitali grezzi ai simboli semantici umani.Per apprendere l'intelligenza generale attraverso un paradigma di legge di scala simile al GPT, è necessaria una grande quantità di dati di addestramento;I dati di addestramento dell’intelligenza spaziale non solo richiedono una grande quantità di dati, ma richiedono anche una calibrazione precisa dei segnali originali ottenuti dai sensori per garantire che abbiano misurazioni su scala fisica assoluta. Ciò è molto più difficile che ottenere enormi dati di immagini e testo da Internet.

L’intelligenza incarnata fa un ulteriore passo avanti Oltre ad apprendere l’intelligenza generale da segnali sensoriali ad alta dimensione come la vista, la forza e il tatto. Il suo obiettivo più essenziale è apprendere lo "spazio delle abilità" del robot definito congiuntamente dall'ontologia del robot e dall'oggetto operativo. La generalità dell’intelligenza incarnata si riflette nella generalizzazione nello spazio delle abilità, che aumenta la difficoltà di apprendere paradigmi diversi.

D: Puoi parlare delle capacità specifiche del modello multimodale di grandi dimensioni richieste per l'intelligenza spaziale e l'intelligenza incarnata?

Jacqui:L'intelligenza spaziale coinvolge compiti come la percezione, l'interazione, il ragionamento e il processo decisionale nel mondo fisico tridimensionale richiede inoltre la formazione di una libreria di abilità operative autonome di un robot basata sull'analisi intelligente dei segnali di percezione spaziale come visione, forza. e toccare.

Pertanto, sono necessarie capacità multimodali di modelli di grandi dimensioni, tra cui il linguaggio naturale, il tocco di forza, lo stato del corpo del robot e altre modalità.Queste multimodalità possono essere "integrate" in uno spazio semantico, spazio-temporale e di competenze comune, ottenendo così un'intelligenza spaziale e incarnata di tipo umano.

D: Secondo te, fino a che punto lo spazio universale e l’intelligenza incarnata rappresentano la fine del gioco?

Jacqui:Allo stato attuale, il paradigma dell’intelligenza artificiale della legge di scala, caratterizzato da enormi quantità di dati, grandi modelli e un’enorme potenza di calcolo, può essere prodotto in serie in modo stabile e conveniente, sulla premessa che l’hardware universale dei robot sia maturo, ovvero i componenti principali come robot umanoidi, mani abili e sensori umanoidi, almeno può supportare l’intelligenza spaziale e incorporata per creare valore aziendale indipendente in molteplici scenari aziendali a circuito chiuso con limiti e ROI ragionevole.

Nello specifico, in molteplici scenari come l’industria, la logistica, il commercio e la casa, i robot possono completare una varietà di compiti in modo generalizzabile. Naturalmente, ciò richiede l’acquisizione di enormi dati multimodali con proprietà fisiche, nonché il calcolo automatico di ricche annotazioni che supportano molteplici strategie di apprendimento come la formazione supervisionata, l’apprendimento per imitazione e l’apprendimento per rinforzo.

Il percorso più efficace per raggiungere l’intelligenza incarnata universale

D: Ho notato che hai menzionato "Sim2Real AI è il percorso più efficiente per realizzare l'intelligenza incarnata" nel tuo discorso al WAIC. Puoi approfondire l'argomento?

Jacqui: Per raggiungere l’intelligenza incarnata, è necessario considerare la natura e lo scopo dei dati. L’obiettivo dell’intelligenza incarnata è consentire ai robot di raggiungere capacità operative generali nel mondo fisico in continua evoluzione sulla base di segnali di sensori come visione, forza e tatto, proprio come ciò che facciamo ogni giorno noi umani nella nostra vita quotidiana.

Secondo il paradigma AI della legge di scala, cioè i modelli di apprendimento automatico non hanno una reale intelligenza generale o generalizzazione, ma hanno solo la capacità di "interpolare" nell'apprendimento delle distribuzioni statistiche e delle loro distribuzioni statistiche quantità di dati.

Questi dati dovrebbero coprire le varie condizioni operative coinvolte in ciascuna abilità del robot, come tutte le condizioni operative dalla mattina alla sera, primavera, estate, autunno e inverno, dall'interno all'esterno. Se ci si affida a sistemi robotizzati di raccolta dati o a dispositivi indossabili, come la familiare “teleoperazione”, per raccogliere dati sufficienti è necessario prima stabilire un modello di business che consenta agli utenti di usufruire di servizi e valore commerciale aiutando allo stesso tempo a raccogliere dati. dati, ma attualmente non esiste tale modo.

In confronto,Sim2Real AI può coprire tutti i cambiamenti di cui sopra in modo più efficiente attraverso la simulazione fisica e i dati sintetici. Questo metodo consente la simulazione di vari oggetti operativi, cambiamenti ambientali, configurazioni di robot e cambiamenti di sensori nell'ambiente virtuale e può condividere la simulazione fisica sottostante e le capacità di generazione di dati per diversi scenari aziendali. Qualsiasi oggetto operativo, inclusi corpi rigidi, cerniere, corpi morbidi, fluidi, ecc., può supportare la generazione di dati attraverso un'accurata simulazione fisica.

Quindi, in generale,Sebbene l'uso di sistemi di raccolta dati dei robot o la "teleoperazione" di dispositivi indossabili possa rapidamente dimostrare alcune azioni operative simili a quelle umane, rispetto alle capacità di intelligenza incorporata richieste per realizzare robot generali, questo metodo sembra essere "l'opposto". È il percorso più efficace per raggiungere i tuoi obiettivi.

Domanda: con questo approccio tecnico, come eliminare il GAP tra dati sintetici e dati reali?

Jacqui: Da un punto di vista accademico, Sim2Real AI è un percorso tecnologico di lunga data e uno dei percorsi tradizionali per raggiungere l’intelligenza spaziale e incarnata. Anche il nostro team è partito dal mondo accademico. Nel processo di implementazione del prodotto e del business, abbiamo tracciato con successo un percorso unico: in grado di raggiungere una precisione del 99,9% in più scenari con dati sintetici al 100% con requisiti di precisione millimetrica/sub-millimetrica tasso, forse unico al mondo.

Qualsiasi successo non è casuale, ma si basa su una profonda comprensione del problema e su una soluzione sistematica. Partendo dai principi primi e pensando al significato interiore delle cose, il team interdimensionale ha trovato soluzioni efficaci semplificando problemi complessi e smantellandoli strato dopo strato.

In poche parole, l’utilizzo dell’intelligenza artificiale Sim2Real per ottenere l’intelligenza incorporata richiede:

1) Simulazione del corpo del robot, simulazione di sensori multimodali, diverse forme di simulazione di oggetti operativi e simulazione di processi dinamici;

2) I dati e le annotazioni corrispondenti alla simulazione vengono renderizzati e generati;

3) Stabilire una catena automatizzata che possa essere migrata a Sim2Real in aspetti come la progettazione e la formazione di modelli intelligenti incorporati e che devono essere superate almeno le seguenti soglie tecniche fondamentali:

Simulazione fisica incorporata controllabile di basso livello

Efficiente formazione multimodale su grandi modelli e apprendimento continuo

Affrontare in modo efficace le differenze tra domini di dati sintetici e reali

Acquisizione a basso costo di enormi risorse digitali

D: Sulla base del percorso tecnologico di Sim2Real AI che hai appena menzionato, quali sono i risultati pratici nelle dimensioni?

Jacqui: Kuandimensional ha costruito dal basso verso l'alto un motore di intelligenza incorporata DexVerse™, che include moduli come simulazione fisica, rendering e generazione di dati, calcolo automatico di annotazioni, progettazione di modelli e formazione. Questo motore non richiede la partecipazione del personale di ricerca e sviluppo.L'SDK può generare automaticamente SDK del modello AI per attività di intelligenza incorporata lungo l'intera catena. La velocità di generazione dei dati ha la stessa frequenza della velocità di iterazione dell'addestramento del modello AI, quindi non è necessario archiviare i dati non importa quanti dati di formazione vengono accumulati, non saranno più considerati intelligenza incorporata Uno standard quantitativo per l'implementazione.Attualmente, DexVerse™ supporta l'implementazione dei prodotti software e hardware di Kuaodi in molteplici scenari.

Come mostrato sopra, DexVerse™ 2.0 fa un ulteriore passo avanti:

Innanzitutto, dato uno scenario aziendale con confini chiari e una configurazione hardware del robot, DexVerse™ 2.0 può utilizzare un modello linguistico di grandi dimensioni per disassemblare automaticamente le competenze e le sottocompetenze del robot coinvolte.

In secondo luogo, per qualsiasi abilità o sotto-abilità, DexVerse™ 2.0 può generare automaticamente risorse digitali come oggetti e scene richieste per la simulazione, nonché simulare ed eseguire il rendering in base a queste risorse per generare strisce di dati del processo di funzionamento del robot nello spazio virtuale.

Successivamente, il modello 3D intelligente VLA (Vision Language Action) incorporato viene addestrato attraverso la generazione di dati nello spazio virtuale.

Infine, il modello addestrato può guidare l’ontologia del robot in scenari aziendali selezionati per completare varie operazioni di abilità del robot in modo universale.

Attraverso DexVerse™ Emfilled Intelligence Engine 2.0, l'intera catena di disassemblaggio delle attività, generazione di scene, generazione di configurazioni di addestramento e addestramento del modello è automatizzata e il modello addestrato viene importato nella macchina reale per guidare il robot a completare l'assemblaggio del cervo costruzioni.

Testo: https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2650927069&idx=1&sn=32b8072ec663f02350d310f082511ebb&chksm=84e42ba3b393a2b5a 5ca60fb8582ae4320820f4eb88e827a2f5830eedcc274e6a904482c6f59&token=263296417&lang=zh_CN#rd

Attraverso questo motore completamente automatizzato, il volano affinché i robot universali possano praticare abilità/sotto-abilità intelligenti incarnate ruoterà in modo più efficiente, promuovendo l’implementazione dei robot universali in più scenari.Kuanwei coopererà con più parti industriali per aprire l'ecosistema e raggiungere una cooperazione vantaggiosa per tutti per promuovere congiuntamente il rapido sviluppo dell'intelligenza artificiale cinese e dell'industria generale dei robot.

D: Perché Kuaodi ha scelto un motore sviluppato internamente? Quali sono le differenze tra il motore DexVerse™ interdimensionale e Omniverse™ di NVIDIA?

Jacqui:Il concetto di costruzione di un motore di intelligenza incorporata interdimensionale è completamente diverso da motori come Omniverse™ di NVIDIA.

Se Omniverse™ è un'espansione orizzontale, che copre diversi settori come la robotica, l'informatica scientifica e l'intelligenza artificiale per la scienza, servendo anche i prodotti di potenza di calcolo AI di NVIDIA, alloraIl DexVerse™ interdimensionale è una penetrazione verticale end-to-end e l'evoluzione iterativa del motore serve alla realizzazione di compiti di abilità intelligenti incarnate in scenari verticali.

Al momento, Sim2Real AI è ancora nella fase di implementazione aziendale di prodotti guidati dall'innovazione. Solo affidandosi al motore di auto-ricerca è possibile supportare tutti gli aspetti del processo di ricerca e sviluppo dalla simulazione fisica, al rendering e alla generazione di dati, al calcolo automatico delle annotazioni, all'incorporazione. progettazione e formazione intelligente del modello, punto per punto Solo affrontando i problemi chiave e padroneggiando il know-how è possibile implementare realmente il prodotto negli scenari aziendali.

Il percorso L1-L5 dell'implementazione aziendale intelligente incorporata

D: Quale pensi sia il percorso di implementazione dell'intelligenza incorporata, dalla tecnologia al prodotto fino all'implementazione commerciale?

Jacqui:L'essenza dell'intelligenza incarnata è quella di fornire a tutti i tipi di robot capacità operative generali in diversi scenari applicativi apprendendo una libreria di abilità robotiche che contenga varie abilità generalizzabili, pertanto la sua commercializzazione deve essere basata sull'industria, sull'agricoltura, sul commercio e sulle attività personali/di targeting; scenari con confini come le famiglie, "iniziano con la fine in mente" e formano il valore del prodotto e l'implementazione commerciale stabilendo competenze comuni per i robot in scenari aziendali indipendenti.

Tecnicamente, l'intelligenza incorporata deve utilizzare l'intelligenza artificiale Sim2Real per aprire la catena automatizzata di comprensione delle attività, generazione di risorse digitali, generazione di simulazioni di dati e formazione di modelli di intelligenza artificiale per ottenere l'apprendimento universale delle attività dei robot nel modo più efficiente e formare prodotti software e hardware applicabili. per diversi scenari aziendali, inclusi SoC intelligenti incorporati, sensori intelligenti, controller robot universali, ecc.

Lungo il percorso, l’intelligenza incarnata deve prima potenziare ontologie hardware relativamente mature come bracci robotici e robot compositi. Con la produzione di massa matura di ontologie universali come mani abili e robot umanoidi, le capacità complessive saranno ulteriormente migliorate e maggiore sarà il valore commerciale. essere generato.

Domanda: Sulla base dei cinque stadi di intelligenza incarnata altamente versatile L1-L5 che hai proposto, a quale stadio si trova attualmente Interdimensional?

Jacqui:Basandosi sul motore di intelligenza incorporata DexVerse™ sviluppato autonomamente, Kuandimensional ha stabilito funzionalità dell'intera catena come la comprensione di attività di scenario, la generazione di risorse digitali, la generazione di simulazioni di dati e l'addestramento di modelli di intelligenza artificiale per servire scenari applicativi come la produzione intelligente e l'agricoltura intelligente e ha formato una rete completa che comprende sensori di visione intelligenti, software PickWiz, robot compositi e altri prodotti intelligenti incorporati.

Allo stato attuale, Kuanwei ha implementato il modello di business "Simulazione alla realtà" e lo ha implementato in più di 30 settori come ricambi auto, produzione 3C, nuova energia, elettrodomestici, prodotti chimici e logistica. Ha collaborato con aziende tra cui GAC, Midea , Haier, molti clienti leader del settore, tra cui Panasonic e Lens Technology.

Riferendosi a L1-L5 nella figura sopra, Kuandimension ha completato lo sviluppo dello stadio L1 dell'intelligenza incarnata e si sta costantemente muovendo verso il livello L2, che è uno dei pochi al mondo.

D: Quale pensi sarà la catena ecologica finale dell’intelligenza incarnata e dei robot umanoidi? Kuan Dimension produrrà hardware completo per robot (umanoidi)?

Jacqui: La catena ecologica universale dei robot è costituita da produttori di corpi umanoidi, produttori di componenti, produttori di sensori visivi e tattili, fornitori di chip intelligenti e soluzioni, ecc. Il motore di intelligenza incarnata interdimensionale di DexVerse™ svolgerà un ruolo decisivo nel percorso tecnologico, nella forma del prodotto, nell'implementazione dello scenario aziendale, ecc. nel processo in cui la catena industriale raggiunge il suo stato finale attraverso le funzionalità della catena completa di intelligenza artificiale Sim2Real di DexVerse™ , inizierà pensando al fine, da un approccio commerciale a circuito chiuso per promuovere standard unificati per robot intelligenti incorporati in termini di configurazione hardware, selezione di sensori, paradigmi modali di dati e modelli multimodali di grandi dimensioni.

Kuandimensional ha formato prodotti intelligenti incarnati come robot compositi, sensori visivi intelligenti e software PickWiz. Nel processo di implementazione di più scenari aziendali, Kuandimensional potenzierà innanzitutto il telaio mobile/su ruote relativamente maturo + doppia ontologia intelligente e eventualmente unire le forze con i produttori di ontologie di robot umanoidi per ottenere un’implementazione diffusa dell’intelligenza incarnata generale.