في الآونة الأخيرة ، أصبحت تقنية Hangzhou Qunkeng مرة أخرى محور مجتمع التكنولوجيا من خلال نموذج الفهم المكاني المفتوح المصدر SPATIALLM. تم ذكر هذا النموذج المبتكر على وجه التحديد من قبل Google في ورقة بحثية ، مما يمثل اختراقه الرئيسي في تدريب الروبوت. تتمثل الوظيفة الأساسية لـ SPATIALLM في أنه يمكن أن تسمح للروبوتات بفهم العلاقات الهندسية للعالم المادي من خلال مقاطع الفيديو العادية ، وبالتالي توفير إمكانيات جديدة تمامًا لتدريب الروبوت.
SpatialLM فريدة من نوعها من حيث أنه يمكن تحويل مقاطع الفيديو التي تم التقاطها بواسطة الهواتف المحمولة إلى معلومات تخطيط مكاني ثلاثية الأبعاد دقيقة. يحتاج المستخدمون فقط إلى تسجيل المشهد في المنزل مع هواتفهم المحمولة ، ويمكن لـ Spatiallm إنشاء نموذج ثلاثي الأبعاد مفصل ، بما في ذلك هيكل الغرفة ، وموقع الأثاث ، وعرض القناة. هذه التكنولوجيا لا تقلل بشكل كبير من تكلفة تدريب الروبوت ، ولكنها أيضًا تعمل على تحسين كفاءة التدريب بشكل كبير ، مما يمهد الطريق لتعميم وتطبيق تكنولوجيا الروبوت.
في مؤتمر GTC2025 ، عرضت تقنية CNK أيضًا منصة التدريب الافتراضية المكانية. يجمع هذا النظام الأساسي بين البيانات التي تم إنشاؤها بواسطة SPATIALLM ، مما يسمح للروبوتات بتدريب المهام المعقدة مثل تجنب العقبات والاستيلاء على بيئة محاكاة ، وبالتالي تحقيق حلقة مغلقة كاملة من الإدراك إلى العمل. من خلال هذا النظام ، لا يمكن للروبوتات "رؤية" التصميم المكاني فحسب ، بل يمكنها أيضًا فهم كيفية العمل في بيئات معقدة ، والتي توفر دعمًا فنيًا قويًا لتطبيق الروبوتات في العالم الحقيقي.
يعتمد مبدأ عمل SPATIALLM على تقنية MAST3R-SLAM ، التي تنفصل عن الفيديو إلى إطارات لا حصر لها ، ويستخلص تفاصيل الكائنات مثل الأرائك والجداول ، ويبنيها في نموذج سحابة نقاط. يقوم النموذج بعد ذلك بتحويل هذه البيانات إلى تخطيط ثلاثي الأبعاد منظم ، وتسجيل معلومات مفتاح حول كل كائن ، مثل الحجم والموضع. بالمقارنة مع طرق التدريب التقليدية ، لا يوفر SPATIALLM الوقت والموارد فحسب ، بل يحسن أيضًا بشكل كبير من القدرة المعرفية المكانية للروبوت ، مما يسمح له بالتكيف بشكل أفضل مع البيئات المعقدة.
ما هو فريد من نوعه في هذه التقنية هو أنه يمكّن الروبوتات من فهم التغييرات البيئية المعقدة والتعامل معها مثل البشر. سواء كانت العناصر اليومية في الحياة المنزلية أو الأدوات في مكان العمل ، تساعد SPATIALLM الروبوتات على التكيف بسرعة وأداء المهام. تعتبر هذه القدرة حاسمة لتحسين أداء الروبوتات في البيئات الحقيقية ، وخاصة في المجال الحالي للذكاء المجسد ، حيث لا تزال العديد من التقنيات تواجه صعوبات في تنفيذها.
من خلال SPATIALLM مفتوح المصدر والمكاني ، تقوم CNK بإعادة تشكيل مستقبل تدريب الروبوت ، مما يسمح له بالاستجابة بمرونة للتحديات في العالم الحقيقي. إن التطبيق الواسع لهذه التكنولوجيا لن يعزز فقط تطوير تكنولوجيا الروبوتات ، ولكنه سيجلب أيضًا المزيد من الراحة للحياة البشرية.
عنوان المشروع: https://top.aibase.com/tool/spatiallm