Sitio web oficial www.binance.com/zh-cn :ingrese el sitio web oficial ☜☜
Aplicación: ☞☞Official App Download☜☜
Recientemente, Hangzhou Qunkeng Technology se ha convertido una vez más en el foco de la comunidad tecnológica con su modelo de comprensión espacial de código abierto Spaciallm. Google mencionó específicamente a este modelo innovador en un trabajo de investigación, marcando su gran avance en la capacitación de robots. La función central de Spatiallm es que puede permitir a los robots comprender las relaciones geométricas del mundo físico a través de videos ordinarios, proporcionando así las posibilidades completamente nuevas para la capacitación en robots.
Spatiallm es único en el sentido de que puede convertir videos capturados por teléfonos móviles en información precisa de diseño espacial tridimensional. Los usuarios solo necesitan grabar la escena en casa con sus teléfonos móviles, y Spatiallm puede generar un modelo 3D detallado, incluida la estructura de la habitación, la ubicación de los muebles y el ancho del canal. Esta tecnología no solo reduce en gran medida el costo de la capacitación en robots, sino que también mejora significativamente la eficiencia de la capacitación, allanando el camino para la popularización y la aplicación de la tecnología de robots.

En la conferencia GTC2025, la tecnología CNK también mostró su plataforma de entrenamiento virtual Spatialverse. Esta plataforma combina los datos generados por Spatiallm, lo que permite a los robots capacitar tareas complejas, como evitar obstáculos y agarrar en un entorno simulado, logrando así un circuito cerrado completo de la cognición a la acción. A través de este sistema, los robots no solo pueden "ver" el diseño espacial, sino también comprender cómo operar en entornos complejos, lo que proporciona un poderoso soporte técnico para la aplicación de robots en el mundo real.
El principio de funcionamiento de Spaciallm se basa en la tecnología Mast3r-Slam, que se desmonta en innumerables marcos, extrae detalles de objetos como sofás y tablas, y los convierte en un modelo de nube de puntos. El modelo luego convierte estos datos en un diseño 3D estructurado, registrando información clave sobre cada objeto, como el tamaño y la posición. En comparación con los métodos de entrenamiento tradicionales, Spaciallm no solo ahorra tiempo y recursos, sino que también mejora significativamente la capacidad cognitiva espacial del robot, lo que le permite adaptarse mejor a entornos complejos.
Lo único de esta tecnología es que permite a los robots comprender y manejar cambios ambientales complejos como los humanos. Ya sea que se trate de elementos cotidianos en la vida en el hogar o las herramientas en el lugar de trabajo, Spatiallm ayuda a los robots a adaptarse rápidamente y realizar tareas. Esta capacidad es crucial para mejorar el rendimiento de los robots en entornos reales, especialmente en el campo actual de la inteligencia incorporada, donde muchas tecnologías aún enfrentan dificultades para implementarlos.
A través de Spatiallm y Spacialverse de código abierto, CNK está reestructurando el futuro de la capacitación de robots, lo que le permite responder de manera flexible a los desafíos en el mundo real. La aplicación generalizada de esta tecnología no solo promoverá el desarrollo adicional de la tecnología robótica, sino que también traerá más conveniencia a la vida humana.
Dirección del proyecto: https://top.aibase.com/tool/spatiallm