Data latihan AI fizikal menghadapi jurang satu tertib magnitud; kuncinya ialah menukar gerakan manusia kepada data yang boleh digunakan robot
Agibot melancarkan enjin data pralatihan robot, dengan ujian menunjukkan bahawa data latihan yang berkesan boleh ditingkatkan lebih daripada 40 kali ganda. Huayuan Securities berpandangan bahawa kelebihan daya saing penyedia data akan berkembang daripada pengumpulan kepada penukaran gerakan dan infrastruktur latihan.
Sumber asal：财联社Pertama diterbitkan di Unhidea：Tarikh sumber asal：
Inti utama
Jumlah data dunia sebenar yang diperlukan untuk AI fizikal berbeza satu tertib magnitud daripada data berkualiti tinggi yang tersedia sekarang. Nilai penyedia data ditentukan oleh keupayaan mengumpul dan menukarkannya pada kos rendah kepada data gerakan yang boleh digunakan robot.
Mengapa latihan robot memerlukan lebih banyak data dunia sebenar?
Menurut anggaran institusi, model asas kecerdasan terjasad memerlukan sekurang-kurangnya puluhan juta jam data dunia sebenar untuk mencapai “detik ChatGPT” mereka sendiri. Pada masa ini, data dunia sebenar berkualiti tinggi yang tersedia di seluruh dunia hanya berjumlah ratusan ribu hingga jutaan jam, mewujudkan jurang satu tertib magnitud antara bekalan dan permintaan.
Apabila syarikat model memasuki bidang AI fizikal, data latihan perlu diperoleh dari luar atau dibangunkan bersama pengeluar robot. Oleh itu, pengumpulan data mungkin mewujudkan permintaan luaran yang boleh ditetapkan harganya secara berasingan.
Bagaimanakah video operasi manusia menjadi data latihan robot?
Enjin data rentas platform robot “Chorus众行” yang dilancarkan Agibot boleh menukar video operasi manusia yang dirakam oleh pelbagai peranti kepada data pralatihan yang sesuai untuk platform robot berlainan. Ujian menunjukkan bahawa enjin itu boleh meningkatkan data latihan robot yang berkesan lebih daripada 40 kali ganda.
Huayuan Securities berpandangan bahawa mendapatkan sejumlah besar data perspektif orang pertama pada kos rendah hanyalah langkah pertama; yang lebih penting ialah menukar operasi manusia kepada data latihan gerakan yang boleh digunakan robot. Penyedia yang mempunyai keupayaan pembinaan semula ruang 3D, pengekstrakan trajektori gerakan dan simulasi fizik berpeluang berkembang daripada pengumpulan data kepada aset data dan infrastruktur latihan.
Bagaimanakah perniagaan syarikat tersenarai berkaitan dengan bidang ini?
Tianqi menyediakan penyelesaian kecerdasan terjasad untuk persekitaran industri, meliputi penyesuaian sistem robot lengkap, pengumpulan data menggunakan robot fizikal dalam persekitaran industri sebenar dan latihan amali pintar, serta penyesuaian algoritma untuk bidang aplikasi khusus.
Sistem tangkapan gerakan optik LUSTER telah digunakan untuk pengumpulan data robot humanoid dan pemeriksaan pengeluaran besar-besaran, dan syarikat itu bekerjasama dengan pengeluar robot serta pusat pengumpulan data. Pendapatan sistem tangkapan gerakan optiknya meningkat dengan pesat pada 2025, didorong oleh permintaan bagi kecerdasan terjasad, sekali gus mencapai pengkomersialan awal.
