Kosmo néven új 3D világadat-rendszert indított a Hesai, amely valódi helyszíneket alakíthat robotok és úgynevezett világmodellek tanításához használható digitális környezetté. A vállalat szerint egy tipikus, 100 négyzetméteres beltéri terület körülbelül 15 perc alatt felmérhető a Kosmo One kamerával.
A Hesai október 14-én jelentette be a Kosmo 3D World Data Engine hivatalos indulását. A rendszer két fő elemből áll: a Kosmo One térbeli kamerából és a Kosmo World felhőplatformból. A cél az, hogy a robotikai fejlesztők valós környezetekről nagy részletességű háromdimenziós adatokat gyűjthessenek, majd ezeket szimulációs és tanítási környezetekké alakítsák. A Hesai egyúttal együttműködéseket jelentett be több robotikai vállalattal is.
A Kosmo One nagy felbontású lidart, egyhüvelykes képérzékelőt és inerciális mérőegységet kapcsol össze, miközben a vizuális rögzítés akár 8K felbontású lehet. A rögzített képi és térbeli információból 3D Gaussian Splatting technológiával készül digitális modell. A Hesai szerint egy átlagos, 100 négyzetméteres beltéri helyszín felmérése körülbelül 15 percet igényelhet, bár a tényleges idő a tér elrendezésétől és a kívánt részletességtől is függ.
A Kosmo World ezután a rögzített adatból 3D-modellt, mélységi információt és szimulációhoz használható környezetet hozhat létre. Generatív mesterséges intelligencia egészítheti ki a nem teljesen felmért részeket és rekonstruálhat anyagokat, a szemantikus szegmentálás pedig különálló objektumokat azonosíthat a térben. A Hesai egy Dairy Queen üzlet példáján azt állítja, hogy egy korábban mintegy 300 órás manuális 3D-modellezést igénylő robottréning-környezetnél a helyszíni rögzítés és rekonstrukció 15 percre csökkent.
Olvasd el: Rivális mesterséges intelligencia chipeket kapcsolna össze egyetlen hálózatba az Upscale
Lehet, hogy a humanoid robotok következő nagy áttörését nem maga a robot, hanem a valóságról összegyűjtött jobb tanítóadat hozza el?
A rendszer mögötti probléma alapvető a fizikai mesterséges intelligenciánál. Egy nyelvi modell hatalmas mennyiségű digitális szövegből tanulhat, egy robotnak azonban azt is meg kell értenie, hogyan helyezkednek el tárgyak a valós térben, milyen útvonalon lehet közöttük mozogni és milyen fizikai helyzetekkel találkozhat. A Reuters szerint a Hesai már megállapodásokat kötött kínai robotikai vállalatokkal a Kosmo használatáról, vagyis a fejlesztés nem kizárólag technológiai bemutatóként jelenik meg.
A gyártói teljesítményadatokat ugyanakkor külön kell választani a széles körben bizonyított eredményektől. A Hesai akár ötször gyorsabb 3D-rekonstrukcióról és jelentős adatgyűjtési hatékonyságról beszél, de ezek saját összehasonlításokra épülnek. A Reuters által ismertetett egyik robotikai tesztben egy Sharpa rendszer 99 százalékos sikerességet ért el fagylalt kiszolgálásakor, ám ez egy konkrét bemutatott feladat eredménye, nem annak bizonyítéka, hogy a technológia általánosan 99 százalékos megbízhatóságot ad a robotoknak.
A Kosmo valódi tétje az lehet, hogy csökkenti a fizikai mesterséges intelligencia egyik kevésbé látványos, de kritikus szűk keresztmetszetét: a jó minőségű térbeli tanítóadat előállításának költségét. Ha a fejlesztők valódi üzleteket, lakásokat, gyárakat vagy utcákat gyorsabban alakíthatnak szimulációs környezetté, ugyanaz a robot sokkal több helyzetet gyakorolhat virtuálisan, mielőtt a fizikai világban kellene hibáznia. A robotverseny ezért egyre inkább adatverseny is lehet.
Olvasd el ezt is: Saját első autonóm mesterséges intelligencia laboratóriumát építi a Danaher
Források: Hesai, Reuters, Economic Times
CS.SZ.
