de.wedoany.com-Bericht: Am 3. Juni veröffentlichte das chinesische Unternehmen für Embodied Intelligence, Zhiyuan, offiziell die zweite Phase des AGIBOT WORLD 2026-Datensatzes mit dem Thema „Vielfältige Interaktion (Rich Interaction)". Dieser Datensatz konzentriert sich auf Kontakt-, Kollisions-, Greif-, Platzierungs- und nicht-ideale Interaktionsprozesse zwischen Robotern und der realen physischen Welt. Er richtet sich an Forschungsrichtungen wie Weltmodelle, neuronale Simulatoren, physikalische Wahrnehmung und Repräsentationslernen und versucht, die seit langem unzureichenden realen physikalischen Interaktionsdaten für das Training von Embodied Intelligence zu ergänzen.
Bereits zuvor hatte AGIBOT WORLD 2026 die erste Phase des Datensatzes unter dem Thema „Imitationslernen" veröffentlicht, der sich darauf konzentriert, Robotern das Erlernen von Aufgabenausführungsfähigkeiten anhand von Experten-Demonstrationen und erfolgreichen Trajektorien zu ermöglichen. Die Veränderung in der zweiten Phase „Vielfältige Interaktion" besteht darin, dass die Logik der Datenerfassung weiter von der Frage „Wie wird eine Aufgabe erledigt?" zur Frage „Wie verändert die Aktion die reale Welt?" übergeht. Beim Robotertraining können erfolgreiche Demonstrationsdaten dem Modell helfen, standardisierte Operationspfade zu erlernen. In realen Umgebungen stoßen Roboter jedoch auf eine Vielzahl instabiler Zustände: unterschiedliche Materialeigenschaften von Objekten, variierende Platzierungswinkel, inkonsistente Reibung, fehlgeschlagene Greifversuche, Kollisionsverschiebungen, Rückwirkungen beim Kontaktmoment und sogar unterschiedliche Ergebnisse derselben Aktion in verschiedenen Szenarien. Wenn traditionelle Datensätze übermäßig saubere, erfolgreiche und reproduzierbare Trajektorien bevorzugen, neigt das Modell dazu, nur ideale Aktionen anzupassen, ohne ein Verständnis für Fehlerprozesse, Kontaktdetails und physikalische Entwicklungen zu entwickeln. Indem Zhiyuan nun vielfältige, detaillierte und kontaktreiche Interaktionsprozesse in den Open-Source-Datensatz aufnimmt, werden die zuvor möglicherweise aussortierten „Störungen" und „Anomalien" in wertvolle Datenbestände für das Training von Weltmodellen, neuronalen Simulatoren und Embodied-Intelligence-Systeme umgewandelt.
Der AGIBOT WORLD 2026-Datensatz ist derzeit auf der Hugging Face-Plattform verfügbar. Die Plattformseite zeigt, dass der Datensatz für die Erforschung realer Embodied Intelligence konzipiert ist, aus realen Umgebungen stammt und multimodale Daten sowie strukturierte Annotationen enthält.
Für die Embodied-Intelligence-Branche wirkt sich der Wert physikalischer Interaktionsdaten direkt auf die Geschwindigkeit aus, mit der Roboter von der Demonstration zur verallgemeinerten Anwendung übergehen. Sobald humanoide Roboter, Roboter mit zwei Armen und mobile Manipulationsroboter in kommerzielle Räume, häusliche Umgebungen, Fabriklogistik, Einzelhandelsauffüllung und Dienstleistungsszenarien vordringen, liegt die Schwierigkeit von Aufgaben oft nicht in der Erkennung einzelner Aktionen, sondern in der Vorhersage und Korrektur von Zustandsänderungen von Objekten während kontinuierlicher Aktionen. Aufgaben wie das Greifen von Flaschengetränken, das Einräumen von Regalen, das Öffnen und Schließen von Schubladen, der Transport von flexiblen Objekten oder das Aufräumen von Unordnung beinhalten komplexe Kontaktbeziehungen. Der Roboter muss die dynamischen Veränderungen zwischen Hand, Greifer, Objekt, Auflagefläche und Umgebung verstehen. Die zweite Phase von AGIBOT WORLD 2026, die sich auf reale physikalische Interaktion konzentriert, hilft Forschern, Vorhersagemodelle zu trainieren, die der realen Welt näher kommen. Sie bietet auch dichteres Trainingsmaterial für nachfolgende Simulation-to-Reality-Übertragungen, Optimierungen von Reinforcement-Learning-Strategien, multimodale Wahrnehmung und grundlegende Robotermodelle. Mit der weiteren Ausweitung des Open-Source-Datensatzes wird sich der Wettbewerb im Bereich Embodied Intelligence von einem reinen Vergleich der Roboterhardware und Modellparameter hin zu einem umfassenden Wettbewerb in den Bereichen Datenerfassungssysteme, Abdeckung realer Szenarien, Annotationsqualität und Effizienz der industriellen Validierung verlagern.
Die Veröffentlichung des Datensatzes als Open Source durch Zhiyuan bedeutet auch, dass chinesische Embodied-Intelligence-Unternehmen damit beginnen, Datenbestände in den Ökosystemwettbewerb einzubeziehen. Open-Source-Datensätze können Universitäten, Labore, Entwickler und Unternehmen anziehen, um gemeinsam an Modelltraining, Algorithmusvalidierung und Anwendungstests zu arbeiten, und senken die Hürde für externe Forschungsteams, in die Forschung mit realen Roboterdaten einzusteigen. Zukünftige Variablen werden sich auf die Datengröße, die Vielfalt der Szenarien, die Sensorabdeckung, die Granularität der Annotationen, die Lizenzgrenzen sowie die auf Basis dieses Datensatzes entwickelten Modelle und Anwendungsergebnisse konzentrieren. Für die Robotik-Industriekette wird die Akkumulation realer physikalischer Interaktionsdaten das Hardwaredesign, die Endeffektoren, die Sensorkonfiguration, die Simulationsplattformen und die industrielle Anwendungsbereitstellung beeinflussen. Die Datenbasis für Embodied Intelligence entwickelt sich zu einer wichtigen Infrastruktur für die nächste Phase der Branche.
Dieser Artikel wurde von Wedoany übersetzt und bearbeitet. Bei jeglicher Zitierung oder Nutzung durch künstliche Intelligenz (KI) ist die Quellenangabe „Wedoany“ zwingend vorgeschrieben. Sollten Urheberrechtsverletzungen oder andere Probleme vorliegen, bitten wir Sie, uns unverzüglich zu benachrichtigen. Wir werden den entsprechenden Inhalt umgehend anpassen oder löschen.
E-Mail: news@wedoany.com
