AGIBOT DÜNYASI 2026 veri seti, bedenlenmiş yapay zeka gelişimini hızlandırmak için açık kaynaklıdır.

AGIBOT DÜNYASI 2026 veri seti, bedenlenmiş yapay zeka gelişimini hızlandırmak için açık kaynaklıdır.
AGIBOT WORLD 2026, gömülü robot geliştirme için altyapı sağlamak amacıyla açık kaynak bir veri seti sunmaktadır. AGIBOT WORLD 2026 veri setinin açık kaynak olması, gömülü yapay zeka gelişimini hızlandırmak için ortaya çıktı.
AGIBOT'un insansı robotu, simülasyon ve gerçek dünya verilerini toplamak ve kullanmak için ustalıkla tasarlanmıştır.

AGIBOT’un robotu, veri toplamak ve kullanmak için ustaca bir tasarıma sahiptir. Kaynak: AGIBOT

Robotik araştırmaların kontrollü laboratuvar ortamlarından gerçek dünya ortamlarına geçmesiyle birlikte, AGIBOT'a göre büyük ölçekli, yüksek kaliteli verilere olan talep giderek daha kritik hale geldi. Şirket, bugün, bedensel zekada beş ana araştırma yolunu sistematik olarak desteklemek üzere tasarlandığını söylediği AGIBOT WORLD 2026 adlı açık kaynaklı heterojen bir veri seti yayınladı.

“Veri seti, geliştiricilere ve araştırmacılara, bir sonraki nesil bedensel AI sistemlerini eğitmek için sağlam bir temel sağlayan yapılandırılmış, yüksek kaliteli ve hassas bir şekilde etiketlenmiş gerçek dünya robot verilerini içermektedir,” dedi AGIBOT.

Editör notu: 27 ve 28 Mayıs 2026 tarihlerinde Boston'da düzenlenecek Robotik Zirvesi ve Fuarı'nda, bedensel ve fiziksel AI ile ilgili oturumlar ve insansı robot geliştirme üzerine oturumlar olacaktır. Kayıt şimdi açık.



AGIBOT WORLD serbest biçimli veri toplama stratejisini izliyor

AGIBOT WORLD 2026, ticari alanlar, evler ve günlük senaryolar dahil olmak üzere geniş bir gerçek dünya ortamını kapsamaktadır. AGIBOT, bunun robotların pratikte başa çıkması gereken karmaşıklığı, değişkenliği ve öngörülemezliği yakaladığını söyledi.

Tekrarlı ve senkronize gösterimlere dayanan geleneksel veri setlerinin aksine, Şanghay merkezli şirket, teleoperatörlerin gerçek zamanlı koşullara dayalı olarak dinamik bir şekilde görevler gerçekleştirdiği serbest biçimli veri toplama yaklaşımını benimsemiştir.

Bu stratejinin, her bölümde çeşitliliği önemli ölçüde artırabileceği ve nesne kategorileri, başlangıç konfigürasyonları ve görev yürütme dizileri gibi birden fazla boyutta genelleştirmeyi geliştirebileceği iddia edilmiştir. AGIBOT, robotunun verimli, doğal ve yüksek derecede aktarılabilir veri toplama için esnek tekerlekli bir taban, eklemli baş ve bel hareketleri ile kaldırma-eğme yetenekleri kullandığını söyledi.

Aynı zamanda, AGIBOT, simülasyon ortamlarında 1:1 dijital ikiz ortamları inşa etmekte ve tüm ilgili simülasyon verilerini gerçek dünya veri seti ile birlikte yayınlamaktadır.

Serbest biçimli veri toplama, kapsamlı genelleştirmeyi garanti edebilir.

AGIBOT, serbest biçimli veri toplamanın kapsamlı genelleştirmeyi garanti ettiğini söylüyor. Kaynak: AGIBOT