Chinese onderzoekers claimen doorbraak in training huishoudrobots met AI-gegenereerde woningen
Een team Chinese onderzoekers heeft een doorbraak geclaimd in het trainen van robots in realistische thuisomgevingen, wat een lang bestaand gegevensprobleem in het veld aanpakt en mogelijk de adoptie van robots thuis versnelt.
Het framework doorbreekt de beperkingen van conventionele indoor scene-generatie, die lang beperkt was tot enkele-kamer layouts.
Kairos-HomeWorld was volgens onderzoekers van Ace Robotics, een startup gesteund door het Hongkong-genoteerde AI-bedrijf SenseTime, het Multimedia Laboratory van de Chinese Universiteit van Hongkong en het Shenzhen Loop Area Institute het eerste uniforme framework dat coherente, nauwkeurige en simulatiegebruikte thuisomgevingen kon genereren met behulp van eenvoudige tekstopdrachten.
Het framework is ontworpen om de beperkingen van conventionele indoor scene-generatie te doorbreken, die lang beperkt was tot enkelvoudige kamerlayouts en beperkte interactiviteit.
In plaats daarvan genereert Kairos-HomeWorld op volledig huisschaal en objectniveau woonscènes die kunnen worden gebruikt om huishoudrobots en humanoïden te trainen.
"Deze high-fidelity, grootschalige simulaties bieden een robuuste basis voor het bevorderen van embodied intelligence-toepassingen en het versnellen van training van robots in de echte wereld," aldus Ace Robotics in een aankondiging vrijdag.
Het Kairos-HomeWorld framework werkt volgens een vier-stadia-proces dat begint met plattegrondconstructie en vervolgt via twee-dimensies-naar-drie-dimensies en meubelarangementgeneratie. Het gaat vervolgens naar de verfijningsfase voordat uiteindelijke objectniveau-generatie plaatsvindt, waarbij elke gegenereerde scène gemiddeld meer dan 15 manipuleerbare objecten bevat.
