Récemment, la start-up robotique shanghaienne Zhiyuan Robotics, en collaboration avec le Laboratoire d'intelligence artificielle de Shanghai, le Centre d'innovation en robotique humanoïde national et local, et Shanghai Kupas, a officiellement rendu publique la base de données AgiBot World, un million de données réelles, visant à soutenir l'entraînement de grands modèles robotiques généralisés et polyvalents. Il s'agit, selon les informations disponibles, du premier ensemble de données au monde basé sur des scénarios réels omniprésents, une plateforme matérielle polyvalente et un contrôle qualité complet.
L'ensemble de données AgiBot World a été créé dans une usine de collecte de données à grande échelle et une base d'expérimentation d'applications construite par Zhiyuan, couvrant une superficie totale de plus de 4 000 mètres carrés. Elle contient plus de 3 000 objets réels et reproduit cinq scénarios principaux : maison, restauration, industrie, supermarché et bureau. Elle comprend des vidéos de plus de 80 compétences diverses de la vie quotidienne. Comparé à Open X-Embodiment de Google, AgiBot World présente une taille de données 10 fois supérieure, une couverture de scénarios 100 fois plus étendue et une qualité de données passant d'un niveau laboratoire à un niveau industriel.
Un responsable de Zhiyuan Robotics a déclaré que la publication d'AgiBot World allait considérablement stimuler le développement de la technologie des robots humanoïdes. Les robots ne se limiteront plus à des tâches simples de bureau, mais s'intégreront à tous les aspects de la vie quotidienne des humains. AgiBot World est le troisième projet open source de Zhiyuan Robotics cette année. Les données correspondantes seront téléchargées par lots sur HuggingFace, Github et la page d'accueil du projet Agibot-world.com.
À l'avenir, Zhiyuan Robotics prévoit de rendre publiques des dizaines de millions de données de simulation pour soutenir l'entraînement de grands modèles plus généralisés et polyvalents ; de publier un grand modèle de base incarné, compatible avec l'ajustement fin des modèles ; et de publier une chaîne d'outils complète permettant de réaliser une boucle fermée de collecte, d'entraînement et d'évaluation.
Adresse GitHub : https://github.com/OpenDriveLab/agibot-world
Page du projet : https://agibot-world.com/