Kun robotiikkatutkimus siirtyy kontrolloitujen laboratorioasetusten lisäksi todellisiin{0}}ympäristöihin, suuren-laadukkaan-tiedon kysynnästä on tullut AGIBOTin mukaan yhä kriittisempi. Yhtiö julkaisi tänään AGIBOT WORLD 2026:n, avoimen-lähdekoodin heterogeenisen tietojoukon, jonka se sanoi, että se on suunniteltu tukemaan systemaattisesti viittä keskeistä tutkimusreittiä ruumiillisessa älykkyydessä.
"Tietojoukossa on jäsenneltyä,-laadukasta ja tarkasti merkittyä todellista-robottidataa, mikä tarjoaa kehittäjille ja tutkijoille vankan perustan seuraavan-sukupolven AI-järjestelmien kouluttamiseen", AGIBOT sanoi.
AGIBOT WORLD noudattaa vapaan{0}}muotoisen tiedon-keräysstrategiaa
AGIBOT WORLD 2026 kattaa laajan valikoiman todellisia-ympäristöjä, mukaan lukien kaupalliset tilat, kodit ja arkipäivät. AGIBOT sanoi, että tämä vangitsee monimutkaisuuden, vaihtelevuuden ja arvaamattomuuden, jota robottien on käsiteltävä käytännössä.
Toisin kuin perinteiset tietojoukot, jotka on rakennettu toistuviin ja käsikirjoitettuihin esityksiin, Shanghai{0}}yhtiö on ottanut vapaan-muotoisen tiedon-keruumenetelmän, jossa teleoperaattorit suorittavat tehtäviä dynaamisesti reaaliaikaisten olosuhteiden perusteella.
Se väitti, että tämä strategia voi merkittävästi lisätä monimuotoisuutta kunkin jakson sisällä ja parantaa yleistämistä useissa ulottuvuuksissa, mukaan lukien objektiluokat, alkukokoonpanot ja tehtävien suoritussekvenssit. AGIBOT sanoi, että sen robotti käyttää joustavaa pyörillä varustettua alustaa, nivellettyjä pään ja vyötärön liikkeitä sekä nosto-{1}}nousukykyä tehokkaan, luonnollisen ja erittäin siirrettävän tiedon keräämiseen.
Samanaikaisesti AGIBOT rakentaa 1:1 digitaalisia kaksoisympäristöjä simuloinnissa ja kaikki vastaavat simulaatiotiedot julkaistaan todellisen-tietojoukon rinnalla.
Innovaatiot kurovat umpeen datan ja todellisen robotin käyttäytymisen välisen kuilun
"Peruskysymys ruumiillistuneessa tekoälyssä on edelleen: heijastavatko tiedot todella sitä, miten robotti toimii integroituna järjestelmänä?" huomautti AGIBOT. Tämän korjaamiseksi yritys on ottanut käyttöön useita ominaisuuksia:
Koko{0}}kehon hallinta (WBC):Tämä mahdollistaa käsivarsien, vyötärön ja käsien koordinoidun hallinnan, jolloin robotit voivat suorittaa tehtäviä sujuvammin yhtenäisenä järjestelmänä yksittäisten liikkeiden sijaan.
Ensimmäinen-henkilö-visuaalisen-etäisyyden etäoperaation ulkopuolella:Robotin havainto on linjassa käyttäjän havaintojen kanssa, mikä mahdollistaa intuitiivisemman, jatkuvamman ja siirrettävämmän ohjauksen.
Pakota-hallittu tiedonkeruu:AGIBOT sanoi, että se on sisällyttänyt kosketusdynamiikan ja voiman takaisinkytkennän, mikä ei tallenna vain liikeratoja, vaan myös todellista fyysistä vuorovaikutusta.
"Yhdessä nämä ominaisuudet varmistavat, että tietojoukko kuvaa tarkemmin todellista{0}}robottien käyttäytymistä", yritys vakuutti.
Teollisuustason{0}}laitteisto syöttää dataputken
AGIBOT selitti, että tietojoukko on kerätty sen G2-laitteistoalustalle, joka integroi{1}}suorituskykyiset liitostoimilaitteet, multi-modaaliset anturit ja tehokkaan-toimialueen ohjaimen, joka tukee tarkkaa voimanhallintaa ja skaalautuvaa kehitystä.
Zhixing 90D -tarttujalla ja näppärällä OmniHandilla varustettu G2 kaappaa synkronoitua multi-modaalidataa-, mukaan lukien RGB(D), kosketussignaalit, lidar-pistepilvet, IMU-tiedot ja koko-kehon nivelen tilat-yhtenäisessä putkistossa.
AGIBOT lisäsi, että jokainen datajakso puhdistetaan ja validoidaan perusteellisesti sen "teollisen-luokan" tietojen-käsittelyjärjestelmän kautta, mikä varmistaa valmiuden laajamittaiseen mallikoulutukseen ja tutkimussovelluksiin.
Vaiheen 1 julkaisu: jäljitelmäoppiminen
Yhtiö sanoi, että se aikoo julkaista AGIBOT WORLD 2026:n viidessä vaiheessa, joista jokainen on linjassa ruumiillistuneen älykkyyden ydintutkimussuunnan kanssa.
Ensimmäinen julkaisu keskittyy jäljitelmäoppimiseen, joka on keskeinen paradigma, jonka avulla robotit voivat hankkia monimutkaisia fyysisiä taitoja asiantuntijaesittelyistä. Tämä vaihe sisältää satoja tunteja todellista{1}}dataa, jota kerätään pääasiassa kaupallisista ja palveluympäristöistä. Tietojoukko yhdistää:
Tehtävä-tason kuvaukset (segmentti-tason ohjeet)
Toimintosarjat (vaihe{0}}suoritus-vaiheelta)
Atomitaitomerkinnät (esim. vedä, aseta)
Objektimerkinnät (2D-rajoituslaatikot ja attribuutit, kuten nimi ja väri)
"Tärkeää on, että myös virheen{0}}palautusreitit säilytetään ja niihin merkitään huomautukset", AGIBOT sanoi. "Tämä hierarkkinen merkintäkehys-kattaa korkean-tason tehtävistä matalan-tason toimintoihin-tarjoaa tarkkuuden ja korjaavat prioriteetit, joita tarvitaan tehokkaampien ja mukautuvampien ruumiillistuneiden agenttien kouluttamiseen."
AGIBOT WORLD osa pitkäaikaista{0}}sitoumusta ruumiillistuneeseen tekoälyekosysteemiin
AGIBOT sanoi, että se kuuluu pieneen joukkoon startup-yrityksiä, jotka käyttävät pitkäjänteistä -infrastruktuurivetoista-lähestymistapaa ruumiillistuneen älykkyyden saavuttamiseen.
Yritys havaitsi jo varhain, että korkealaatuinen-data on perusta seuraavan sukupolven robottiominaisuuksien avaamiselle, ja yhtiö on jatkuvasti avannut-lähteenään miljoonan-mittakaavaisen todellisen-tietojoukon.
AGIBOT sanoi, että tämä pyrkimys kuvastaa sen laajempaa tavoitetta ruumiillisessa älykkyydessä: demokratisoida korkealaatuisten{0}}robottitietojen saatavuus. AGIBOT WORLD -ekosysteemin jatkuvan kehityksen avulla yritys pyrkii edistämään maailmanlaajuista robotiikkayhteisöä ja nopeuttamaan ruumiillistuneen tekoälyn siirtymistä tutkimuslaboratorioista todellisiin-sovelluksiin.