Kako istraživanja robotike prevazilaze kontrolirane laboratorijske postavke u stvarna-svjetska okruženja, potražnja za velikim-podacima visokog{2}}kvaliteta postaje sve kritičnija, prema AGIBOT-u. Kompanija je danas objavila AGIBOT WORLD 2026, heterogeni skup podataka-otvorenog izvora za koji je rekla da je dizajniran da sistematski podržava pet ključnih istraživačkih puteva utjelovljene inteligencije.
"Skup podataka sadrži strukturirane,-kvalitetne i precizno označene podatke o robotima iz stvarnog-svijeta, pružajući programerima i istraživačima robusnu osnovu za obuku sljedeće-generacije utjelovljenih AI sistema," rekao je AGIBOT.
AGIBOT WORLD slijedi strategiju prikupljanja-podataka{1}}slobodne forme
AGIBOT WORLD 2026 obuhvata širok spektar okruženja iz stvarnog{1}}svijeta, uključujući komercijalne prostore, kuće i svakodnevne scenarije. AGIBOT je rekao da ovo bilježi složenost, varijabilnost i nepredvidljivost s kojima se roboti moraju nositi u praksi.
Za razliku od konvencionalnih skupova podataka izgrađenih na ponavljajućim i skriptiranim demonstracijama, kompanija sa sjedištem u Šangaju-zauzela je pristup prikupljanju podataka-slobodne forme{2}}u kojem teleoperateri dinamički izvršavaju zadatke zasnovane na uslovima u stvarnom-vremenu.
Tvrdi se da ova strategija može značajno poboljšati raznolikost unutar svake epizode i poboljšati generalizaciju u više dimenzija, uključujući kategorije objekata, početne konfiguracije i sekvence izvršavanja zadataka. AGIBOT je rekao da njegov robot koristi fleksibilnu bazu s kotačima, zglobne pokrete glave i struka, te mogućnosti podizanja{1}}nagiba za efikasno, prirodno i veoma prenosivo prikupljanje podataka.
Paralelno, AGIBOT konstruiše 1:1 digitalna okruženja blizanaca u simulaciji, sa svim odgovarajućim simulacijskim podacima objavljenim zajedno sa skupom podataka iz stvarnog{2}}svijeta
Inovacije premošćuju jaz između podataka, stvarnog ponašanja robota
"Ostaje fundamentalno pitanje u utjelovljenoj AI: da li podaci zaista odražavaju kako robot funkcionira kao integrirani sistem?" napomenuo je AGIBOT. Kako bi to riješila, kompanija je uvela nekoliko funkcija:
Kontrola cijelog tijela (WBC):Ovo omogućava koordiniranu kontrolu ruku, struka i šaka, omogućavajući robotima da obavljaju zadatke fluidnije kao jedinstveni sistem, a ne kroz izolovane pokrete.
Prva{0}}osoba izvan-vizuelnog-dometa teleoperacije:Percepcija robota je usklađena s percepcijom operatera, što omogućava intuitivniju, kontinuiraniju i prenosiviju kontrolu.
Prisilno{0}}kontrolisano prikupljanje podataka:AGIBOT je rekao da je uključio dinamiku kontakta i povratnu informaciju sile, hvatajući ne samo putanje kretanja, već i stvarne fizičke interakcije.
"Zajedno, ove mogućnosti osiguravaju da skup podataka preciznije predstavlja ponašanje robota u stvarnom{0}} svijetu," tvrdi kompanija.
Hardver industrijskog{0}}klase napaja cjevovod podataka
AGIBOT je objasnio da se skup podataka prikuplja na svojoj G2 hardverskoj platformi, koja integrira spojne aktuatore visokih{1}}sa visokih performansi, multi-modalne senzore i kontroler domene visokih{3}}performansi za podršku precizne kontrole sile i skalabilnog razvoja.
Opremljen Zhixing 90D hvataljkama i spretnim OmniHand-om, G2 snima sinkronizirane multi-modalne podatke-uključujući RGB(D), taktilne signale, oblake lidarnih tačaka, IMU podatke i cijela-stanja zglobova tijela{5}}unutar neograničenog cjevovoda.
AGIBOT je dodao da se svaka epizoda podataka podvrgava rigoroznom čišćenju i validaciji kroz svoj sistem za obradu podataka "industrijske-klase"-, osiguravajući spremnost za obuku velikih{2}}modela i istraživačke aplikacije.
Faza 1 izdanje: Imitacija učenja
Kompanija je saopštila da planira izdati AGIBOT WORLD 2026 u pet faza, od kojih je svaka usklađena s ključnim smjerom istraživanja utjelovljene inteligencije.
Prvo izdanje fokusira se na učenje imitacijom, ključnu paradigmu koja omogućava robotima da steknu složene fizičke vještine iz stručnih demonstracija. Ova faza uključuje stotine sati podataka iz stvarnog{1}}svijeta prikupljenih prvenstveno u komercijalnim i uslužnim okruženjima. Skup podataka kombinuje:
Opisi-nivoa zadataka (uputstva-nivoa segmenta)
Sekvence radnji (korak-izvršenje{1}}korak)
Oznake atomskih vještina (npr. povlačenje, mjesto)
Napomene objekata (2D granični okviri i atributi kao što su ime i boja)
"Važno je da su putanje-oporavaka grešaka također zadržane i označene," rekao je AGIBOT. "Ovaj hijerarhijski okvir za bilješke-koji se proteže od zadataka visokog{3}}na niskog nivoa-akcija-pruža vjernost i korektivne prioritete potrebne za obuku robusnijih i prilagodljivijih utjelovljenih agenata."
AGIBOT WORLD dio dugoročne-posvećenosti utjelovljenom AI ekosistemu
AGIBOT je rekao da je među malom grupom startupa koji koriste dugoročan-infrastrukturni{1}} pristup utjelovljenoj inteligenciji.
Prepoznavši rano da su visoko{0}}kvalitetni podaci temelj za otključavanje sljedeće generacije robotskih mogućnosti, kompanija je dosljedno otvarala-milionske izvore-stvarnog-smjera podataka i skupova podataka za simulaciju.
AGIBOT je rekao da ovaj napor odražava njegov širi cilj u utjelovljenoj inteligenciji: demokratizirati pristup visoko-kvalitetnim podacima robota. Kroz kontinuiranu evoluciju AGIBOT WORLD ekosistema, kompanija ima za cilj da doprinese globalnoj robotskoj zajednici i ubrza tranziciju utjelovljene AI iz istraživačkih laboratorija u aplikacije u stvarnom-svijetu.