de.wedoany.com-Bericht: Am 5. Juni veröffentlichte Daxiao Robotics gemeinsam mit der Chinesischen Universität Hongkong und dem Shenzhen He Tao College die Forschungsergebnisse zum Weltmodell Kairos-HomeWorld und stellte gleichzeitig einen Open-Source-3D-Datensatz für das gesamte Haus chinesischer Familien zur Verfügung. Dieses Ergebnis ermöglicht die End-to-End-Generierung von 3D-Szenen des gesamten Hauses aus Textanweisungen und zielt direkt auf das langjährige Problem des „Mangels an realen Haushaltsszenarien“ im Training von verkörperter Intelligenz und Haushaltsrobotern ab.
Der technologische Durchbruch dieser Arbeit besteht nicht nur darin, die Innenraummodellierung zu verfeinern, sondern darin, die „Generierung des gesamten Hauses“ und die „Interaktivität von Objekten“ in einem einheitlichen Rahmen zu vereinen. Bisherige Systeme zur Generierung von Innenraumszenen waren eher auf Einzelräume, statische Darstellungen oder lokale Layouts spezialisiert. Sie konnten Räume wie Schlafzimmer, Wohnzimmer oder Küche generieren, aber sobald sie auf eine vollständige Wohnung ausgeweitet wurden, traten oft Probleme wie strukturelle Inkohärenz zwischen den Räumen, unlogische Bewegungsabläufe, getrennte Möbelbeziehungen und mangelnde physikalische Konsistenz der Szene auf. Kairos-HomeWorld erweitert die Generierungsgranularität von einem einzelnen Raum auf die gesamte Wohnung, sodass das Modell direkt auf der Ebene des gesamten Hauses die räumliche Strukturorganisation, die Konfiguration funktionaler Bereiche und die hierarchische Anordnung von Objekten durchführen und darüber hinaus die vollständige Interaktivität einzelner Objekte realisieren kann. Das bedeutet, dass es nicht nur ein „anschaubares“ 3D-Haushaltsbild erzeugt, sondern eine Haushaltswelt, die einem Roboter näher kommt, verständlich, bedienbar und trainierbar ist. Für die verkörperte Intelligenz ist dies ein entscheidender Schritt, denn wenn Roboter in Zukunft in Haushalte einziehen, reicht es nicht aus, nur ein paar Objekte im Wohnzimmer zu erkennen; sie müssen in einer vollständigen Wohnung die Beziehungen zwischen Räumen, die Möbelverteilung, räumliche Einschränkungen und die kontinuierliche Logik zwischen bedienbaren Objekten verstehen.
Die gleichzeitig vom Team veröffentlichte Datenbasis verstärkt die Bedeutung dieses Ergebnisses weiter. Der diesmal veröffentlichte 3D-Datensatz für das gesamte Haus umfasst 300.000 Grundrisse realer chinesischer Wohnungen sowie 5.000 vollständige, mit interaktiven Möbeln und Objekten ausgestattete Simulationsszenen, die die üblichen Wohnkonstellationen chinesischer Familien abdecken. Im Vergleich zu vielen Datenressourcen, die hauptsächlich auf ausländischen Wohnstrukturen, Einzelraumproben oder statischen Innenraummodellen basieren, ist dieser Datensatz näher an den Grundrissen, räumlichen Gewohnheiten und Möbelanordnungen chinesischer Haushalte.
Für den Bereich der technologischen Innovation ist der wirklich bemerkenswerte Punkt dieser Nachricht, dass sie die schwierigste Lücke im Prozess der Umsetzung verkörperter Intelligenz schließt. Große Modelle haben einen Teil der Probleme des Sprachverständnisses, der Argumentation und der Planung gelöst, aber damit ein Roboter wirklich in einen Haushalt einziehen kann, muss er in einer komplexen, überfüllten, personalisierten und hochgradig nicht standardisierten Umgebung Wahrnehmung, Navigation, Greifen, Interaktion und Aufgabenausführung durchführen. Der häusliche Raum ist nicht so geregelt wie eine Fabrik und hat kein so ausgereiftes Erfassungssystem wie eine autonome Fahrstraße; er enthält sowohl eine große Anzahl kleiner Objekte als auch starke Lebensgewohnheiten und Unterschiede in der Nutzungsweise. Einen Roboter zu trainieren, der in einem chinesischen Haushalt arbeiten kann, erfordert mehr als nur ausländische Grundrissdaten oder das langsame Ausprobieren mit wenigen realen Proben. Die Kombination von Kairos-HomeWorld und dem dazugehörigen Datensatz bietet dem Roboter ein „digitales Haushaltstrainingsfeld“, das in großen Mengen generiert, wiederholt trainiert und kontinuierlich erweitert werden kann. Dies wird sich direkt auf die Lerneffizienz des Roboters in der Simulationsumgebung, die Generalisierungsfähigkeit von Aufgaben und die Szenentransferwirkung auswirken und bietet auch für nachfolgende Anwendungen wie Haushaltsdienstroboter, Pflegeroboter, Aufräum- und Organisationsroboter sowie intelligente mobile Endgeräte grundlegende Trainingsbedingungen, die näher an der realen chinesischen Familie sind.
Aus industrieller Perspektive geht der Wert solcher Weltmodelle über die wissenschaftliche Demonstration hinaus. Sie verbinden auf der einen Seite Daten und auf der anderen Seite Simulationstraining, verkörperte Intelligenzalgorithmen, Szenenverständnis, Roboteraufgabenplanung und die anschließende reale Bereitstellung. Wer früher in der Lage ist, ein qualitativ hochwertiges, lokalisiertes und interaktives Haushaltsweltmodell zu erstellen, hat bessere Chancen, sich in der langfristigen Rennstrecke der Haushaltsrobotik einen grundlegenden Vorteil zu verschaffen. Für die chinesische Industrie der verkörperten Intelligenz zeigt die Veröffentlichung von Kairos-HomeWorld, dass der Wettbewerb nicht mehr nur auf der Ebene des mechanischen Grundkörpers, einzelner Algorithmen oder Demonstrationsvideos stattfindet, sondern sich zu einem vollständigen Technologiesystem aus „Weltmodell + Datenbasis + Simulationstrainingsfeld + realem Einsatzszenario“ aufrüstet. In Zukunft wird es noch wichtiger sein zu beobachten, ob dieses Framework die Interaktionskomplexität weiter erhöhen, die Szenenvielfalt verbessern und schneller in das reale Robotertraining und den Produktentwicklungsprozess integriert werden kann.
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
