An Nuashonrú Deiridh: Aibreán 23, 2026

Bailiú Sonraí le haghaidh Intleacht Shaorga Ionchorpraithe: Tacair Sonraí Teile-oibriúcháin, Insamhalta go Fíor agus Tionsclaíocha in 2026

Is iad na sonraí an bacainn don Intleacht Shaorga chorpraithe, ní an ríomhaireacht. Éilíonn oiliúint polasaí róbait sruthanna sioncrónaithe staid-ghníomhaíochta nach bhfuil ann ar scála an idirlín ar chor ar bith. Freastalaíonn trí fhoinse ar an éileamh sin faoi láthair. Tugann teile-oibriú daonna taispeántais ardchaighdeáin ar chostas am an oibreora. Scálann aistriú insamhalta go fíor líon na n-eipeasóidí ach tugann sé bearna dílseachta isteach. Tiomsaíonn tacair shonraí oscailte móra ranníocaíochtaí ó mhórán saotharlann agus ardán.

Cén Fáth a bhfuil Sonraí ina mBacainníoll Intleachta Saorga (AI)

Tá cuar scálúcháin intuartha leantha ag ríomhaireacht. Tá braislí GPU atá in ann samhlacha fís-teanga-ghníomhaíochta (VLA) billiún paraiméadar a thraenáil ar fáil go tráchtála inniu. Is é an rud nár scálaíodh ná na sonraí a theastaíonn ó na samhlacha sin: breathnóireachtaí agus gníomhartha péireáilte a taifeadadh le linn ionramháil fhisiciúil robot, le dóthain éagsúlachta tascanna agus ionchorpraithe chun beartais a tháirgeadh a ghinearálann.

Is féidir le samhail teanga trilliún comharthaí a ionghabháil ón ngréasán i gceann seachtainí. Caithfear tacar sonraí ionramhála robot a ghiniúint eipeasóid ar eipeasóid, agus gach ceann acu ag teastáil róbat fisiceach, timpeallacht fhíor nó insamhalta, sainmhíniú tasca, agus oibreoir daonna nó taispeántas scriptithe. Meastar ag Cónaidhm Idirnáisiúnta na Róbataice (IFR) go raibh breis is 3.9 milliún róbat tionsclaíoch ag feidhmiú ar fud an domhain in 2024, ach tá thart ar mhilliún eipeasóid sna tacair sonraí ionramhála oscailte is mó. Níl an bhearna ag dúnadh go gasta.

Cuireann an dúshlán leis nuair a chuirtear an bhearna sa chorpú san áireamh: ní aistríonn polasaí atá oilte ar láimhseálaí aon-láimhe 6-DoF go glan chuig daonnach déláimhe nó bonn soghluaiste le lámh. Athshocraíonn gach fachtóir foirme nua róbait riachtanais sonraí go héifeachtach. Laghdaíonn cur chuige maidir le píosaí gníomhaíochta (áit a n-aschurann polasaí seichimh ghníomhaíochta ilchéime seachas céimeanna aonair) moill ar an aschur ach ní laghdaíonn siad an gá atá le clúdach oiliúna éagsúil.

De réir an pháipéir Open X-Embodiment (Padalkar et al., 2023, Google DeepMind et al.), is féidir le hoiliúint tras-chorpraithe ar shonraí róbat éagsúla feabhas a chur ar ghinearálú beartais thar a bhfuil ar fáil ó shraitheanna sonraí aon-chorpraithe. Tugann EVST aghaidh air seo trí cháilíocht shraitheanna sonraí tras-chorpraithe a mheas mar chuid dá phróiseas measúnaithe inmheánach agus pleanáil ghluaiseachta méadaithe le hintleacht shaorga á roghnú aige dá líneáil róbat lán-raoin 3–800 kg. Maidir le taobh crua-earraí na straitéise sonraí seo, féach Réitigh AI Ionchorpraithe EVST, lena n-áirítear róbónna daonna, lámha deaslámhacha bailithe sonraí, róbónna ceithrechosacha, agus ardáin phíolótacha le haghaidh forbairt AI coirpeach.

Na Trí Phríomhfhoinse Sonraí: Láidreachtaí agus Teorainneacha

Teilioibriú

Gabhann teile-oibriú taispeántais den scoth ar chrua-earraí an róbait sprice. Rialaíonn an t-oibreoir an róbat go cianda, trí airm cheannaire-leanúna, cluasáin VR, culaith eis-chnámharlaigh, nó comhéadain láimhe, agus taifeadann an córas gach uillinn chomhpháirteach, staid an ghreamaitheora, léamh fórsa, agus fráma ceamara go sioncrónach. Ós rud é go dtagann na sonraí ó dhuine atá ag déanamh an tasc iarbhír ar an róbat iarbhír, tá an chomhfhreagras idir an gníomh agus an staid cruinn agus is nialas an bhearna ionchorpraithe.

Is é an tréchur an teorannú. Táirgeann teile-oibreoirí oilte thart ar 5–50 eipeasóid san uair ag brath ar chastacht na tascanna, agus laghdaíonn cáilíocht na sonraí nuair a bhíonn tuirse ar oibreoirí. Ní théann teile-oibriú chun cinn go dtí téarnamh teipe gan dearadh prótacail d'aon ghnó: má éiríonn le hoibreoirí i gcónaí, ní fhoghlaimíonn an polasaí conas téarnamh ó shuaitheadh.

Aistriú Sim-go-Fíor

Ligeann insamhlóirí fisice (MuJoCo, NVIDIA Isaac Sim, Isaac Lab, PyBullet) do thaighdeoirí na milliúin eipeasóid róbat a ghiniúint ar chostas imeallach beagnach nialas. Is féidir le braisle GPU aonair na mílte cás insamhalta comhthreomhara a rith thar oíche. Taispeántar an costas ag an imscaradh: is minic a theipeann ar bheartais atá oilte san insamhalta nuair a bhíonn siad ag tabhairt aghaidh ar dhinimic teagmhála an tsaoil réadaigh, torann braiteora, agus éagsúlacht amhairc nár mhacasamhlaigh an insamhlóir go cruinn. Is réimse taighde gníomhach é an bhearna seo idir insamhalta agus fíor a dhúnadh.

Físeán Idirlín agus Breathnóireacht Éighníomhach

Tugann samhlacha móra teanga radhairc atá réamh-oilte ar fhíseán idirlín tuiscint ghinearálta ar an radharc a chabhraíonn le bunús tascanna. Úsáideann ailtireacht pi0 de chuid na hintleachta fisiciúla agus dearaí VLA comhchosúla réamh-oiliúint físe chun scileanna ionramhála a fheabhsú sula ndéantar mionchoigeartú ar thaispeántais róbat. Is é an teorainn nach soláthraíonn físeán aon lipéid ghnímh: taispeánann físeán lámh ag greim ar rud ach ní thaifeadann sé an fórsa a chuirtear i bhfeidhm ná uillinneacha hailt lámh róbat choibhéiseach. Is féidir le samhlacha dinimice inbhéartaithe gníomhartha a bhaint amach go páirteach ó fhíseán, ach bíonn torann sna lipéid bhréige a eascraíonn as sin.

Crua-earraí agus Prótacail Teile-oibriúcháin

Bíonn tionchar ag an rogha comhéadain teile-oibriúcháin ar cháilíocht sonraí agus ar an aschur bailithe araon. Seo a leanas na córais is gníomhaí i gcláir taighde agus tráchtála 2025–2026.

Lámha Ceannaire-Leanúna: ALOHA agus ALOHA Soghluaiste

Forbraíodh ALOHA (Córas Crua-earraí Foinse Oscailte ar Chostas Íseal le haghaidh Teile-oibriú Déláimhe) ag Stanford agus úsáideann sé dhá lámh cheannaire saora a bhogann an t-oibreoir de láimh, agus macasamhlaíonn dhá lámh leanúna mheaitseáilte ar an róbat an ghluaiseacht i bhfíor-am. Gabhann an dearadh déláimhe tascanna dhá láimhe nach féidir le córais aon-láimhe a dhéanamh. Leathnaíonn ALOHA Soghluaiste an t-ardán go bonn soghluaiste. Feabhsaigh ALOHA 2, a eisíodh in 2024, dílseacht rianaithe comhpháirteach agus eirgeanamaíocht an oibreora. Tá costas na crua-earraí faoi bhun $20,000 don phéire ceannaire-leanúna, rud a spreag glacadh i mórán saotharlann acadúil.

Comhéadain atá Gléasta ar an Láimh: UMI

Cuireann an Comhéadan Láimhseála Uilíoch (UMI), ó Stanford agus Columbia, ceamara súile éisc agus ionchódóir ar ghreamaitheoir láimhe. Taispeánann an t-oibreoir an tasc go fisiciúil sa timpeallacht agus taifeadann an greamaitheoir staid an éifeachtóra deiridh agus staid an ghreama. Dícheanglaíonn UMI bailiú sonraí ón róbat: is féidir taispeántais a bhailiú sa réimse agus iad a athdhíriú níos déanaí ar leaganacha éagsúla róbat. Fágann sé seo go bhfuil sé an-úsáideach chun sonraí ionramhála fiáine a bhailiú lasmuigh de shuíomh saotharlainne.

VR agus Taispeántais atá Feistithe ar an gCeann

Tá Apple Vision Pro agus Meta Quest 3 araon á n-iniú mar chomhéadain teile-oibriúcháin. Is é an tarraingt ná rianú láimhe déláimhe sé-DoF le rialú iomasach oibreora. Is é an dúshlán innealtóireachta ná athspriocdhíriú: ní mór cinéimitic láimhe an duine (cúig mhéar, 27 alt) a mhapáil le horduithe éifeachtóra deiridh an róbait (de ghnáth greamaitheoirí 1-DoF nó lámha deaslámhacha le 12–16 DoF). Gan athspriocdhíriú cúramach, bíonn intinn an oibreora sna taispeántais taifeadta ach ní bhíonn gníomhartha róbait inrite go díreach iontu.

Eacsachnámharlach agus Gabháil Iomlán Choirp

I gcás róbónna daonnacha a bhfuil sonraí gluaiseachta lánchoirp ag teastáil uathu (lena n-áirítear gluaiseacht in éineacht le ionramháil), gabhann oireann eis-chnámharlaigh cinéitic lánchoirp ag rátaí samplála os cionn 100 Hz. Úsáideann AgiBot cur chuige bunaithe ar eis-chnámharlach chun sonraí ionramhála daonnacha a bhailiú dá shraith sonraí AgiBot World. Ar an gcaoi chéanna, braitheann teile-oibriú Fourier GR-1 ar rig gabhála inchaite atá meaitseáilte le cumraíocht chomhpháirteach an róbait.

Cabhlaigh Tráchtála Figiúr agus Mórscála

Oibríonn Figure AI cabhlach teilea-op dílseánaigh ar fud a imscaradh déantúsaíochta BMW. Tá an tsamhail roth eitilte sonraí, ina mbailíonn gach róbat imscartha eipeasóidí nua a thugann aiseolas don oiliúint, lárnach freisin i straitéis forbartha Tesla Optimus. Bailíonn na córais lúb dúnta seo sonraí tionsclaíocha ar ráta nach féidir le tacair sonraí acadúla oscailte a mheaitseáil.

Comparáid Ardáin Teile-Oibríochta

Nóta: is raonta garbha iad na figiúirí tréchur a tógadh ó thaighde foilsithe agus ó chuntais taighdeoirí. Bíonn tionchar suntasach ag scileanna oibreora aonair agus castacht tascanna ar na torthaí.

Tacair Sonraí Poiblí: Open X-Embodiment, DROID, BridgeData, RoboSet, RH20T, AgiBot World

Tá an éiceachóras tacar sonraí oscailte tar éis leathnú go tapa ó 2022 i leith. Seo thíos forbhreathnú ar na bailiúcháin is mó a luaitear ó thús 2026.

Oscail X-Embodiment (OXE) agus RT-X

Tionóladh OXE ag Google DeepMind le 33 institiúid rannpháirteacha, agus bailíonn sé breis is 1 mhilliún eipeasóid thar níos mó ná 22 cineál róbat. Léirigh na samhlacha RT-X gaolmhara go mbíonn feidhmíocht níos fearr ag oiliúint ar shonraí tras-chorpraithe comhthiomsaithe ná bunlínte aon-chorpraithe ar thagarmharcanna ginearálúcháin. Scaoiltear OXE faoi mheascán de cheadúnais CC-BY agus Apache 2.0 ag brath ar an institiúid rannpháirteach. Is trí shuíomh Gréasáin RT-X agus HuggingFace a dhéantar rochtain.

Droid

Bailíodh DROID (Tacar Sonraí Idirghníomhaíochta Róbat Dáilte) i 13 saotharlann taighde i Meiriceá Thuaidh ag baint úsáide as socrú caighdeánaithe Franka Panda le comhéadan teile-oibriúcháin de stíl ALOHA. Tá thart ar 76,000 eipeasóid de thascanna éagsúla ionramhála tí agus boird ann. A bhuíochas leis an gcrua-earraí caighdeánaithe trasna suíomhanna, is ceann de na tacair sonraí ionramhála mórscála is glaine é DROID le haghaidh clónáil iompraíochta agus turgnaimh RLHF.

BridgeData L2

Tá thart ar 60,000 taispeántas i BridgeData V2, ó UC Berkeley agus Stanford, ar fud réimse leathan tascanna ionramhála boird. Úsáideann sé lámh WidowX agus tá sé suntasach as a éagsúlacht tascanna (breis is 70 catagóir tascanna ar leith), rud a fhágann gur bunlíne choitianta mínchoigeartaithe é do mhúnlaí VLA. Scaoilte faoi CC-BY 4.0.

RoboSet

Soláthraíonn RoboSet, ó IIT Delhi agus comhoibritheoirí, sonraí ionramhála iltascanna cistine a bailíodh le Franka Panda. Cuimsíonn sé breathnóireachtaí RGB-D agus nótaí teanga do gach eipeasóid. Tá RoboSet deartha go sonrach chun tacú le meastóireacht beartais coinníollaithe teanga, rud a fhágann go bhfuil sé úsáideach chun ginearálú leantach treoracha a thástáil.

RH20T

Is tacar sonraí ionramhála fairsing teagmhála é RH20T (Robot-Human 20 Tasks) ina bhfuil proprioception sioncrónaithe robot, físeán RGB, doimhneacht, tadhlach, agus sruthanna fuaime. A bhuíochas leis an saibhreas ilmhódach, is tagairt é RH20T do thaighdeoirí atá ag obair ar bheartais a bhfuil braiteadh teagmhála de dhíth orthu, ní hamháin breathnóireacht amhairc.

AgiBot Domhanda

Is tacar sonraí ionramhála daonna é AgiBot World arna tháirgeadh ag AgiBot, cuideachta róbataic Síneach, ag baint úsáide as a phíblíne bailithe sonraí atá bunaithe ar eis-chnámharlach. Díríonn sé ar thascanna ionramhála daonna lánchoirp agus is ionann é agus ceann de na chéad tacair sonraí ar scála mór atá dírithe go sonrach ar fhachtóirí foirme daonna ar scála tionsclaíoch. Tá AgiBot World ar fáil faoi cheadúnas taighde oscailte le haghaidh úsáide neamhthráchtála.

Tagairt Tacar Sonraí Poiblí Intleachta Saorga

Líon na n-eipeasóidí agus téarmaí ceadúnais foinsithe ó pháipéir tacair sonraí agus ó stórtha oifigiúla ó thús 2026. Fíoraigh na téarmaí reatha roimh úsáid.

Cruach Sim-go-Fíor: Isaac Sim, MuJoCo, Cosmos, agus Randamú Fearainn

Scálann insamhalta giniúint sonraí. Is í an cheist phraiticiúil ná cén insamhlóir atá le húsáid agus conas an bhearna a dhúnadh ar ais go dtí crua-earraí fisiceacha.

MuJoCo

Is é MuJoCo (dinimic Il-Ailt le Teagmháil) an caighdeán fós le haghaidh taighde ar ionramháil atá saibhir ó thaobh teagmhála de. Láimhseálann a inneall fisice dinimic choirp righin, teagmhálacha boga, agus córais atá gníomhachtaithe ag teannán le héifeachtúlacht ríomhaireachtúil a cheadaíonn na mílte eipeasóid oiliúna comhthreomhara ar chnuasach GPU aonair. Luasghéaraigh an scaoileadh foinse oscailte faoi Google DeepMind in 2022 glacadh go suntasach. Úsáideann formhór na gclónála iompraíochta acadúla agus na dtagarmharcanna RLHF timpeallachtaí MuJoCo.

NVIDIA Isaac Sim agus Isaac Lab

Ritheann Isaac Sim ar ardán Omniverse NVIDIA agus soláthraíonn sé fisic luasghéaraithe GPU le rindreáil ard-dhílseachta. Is é Isaac Lab (OmniIsaacGymEnvs roimhe seo) an creat foghlama athneartaithe atá tógtha ar Isaac Sim, atá optamaithe le haghaidh oiliúint beartais thar a bheith comhthreomhar. Buntáiste tábhachtach is ea rindreáil fhóta-réalaíoch: laghdaíonn amharcléirithe cosán-rianaithe Isaac Sim an bhearna fearainn amhairc i gcomparáid le rindreálaithe simplithe MuJoCo, rud atá tábhachtach maidir le beartais bunaithe ar fhís a oiliúint.

NVIDIA Cosmos

Is é Cosmos ardán samhail bhunús domhanda NVIDIA, a fógraíodh go déanach in 2024. In ionad fisic a insamhladh ó phrionsabail bhunaidh, gineann Cosmos físeán fótaréalach d'idirghníomhaíochtaí robot agus réad ó leideanna téacs nó íomhá, atá oilte ar shraitheanna sonraí físe móra. Is é an gealltanas ná sonraí oiliúna sintéiseacha a ghiniúint a bhfuil cuma fíor orthu go leor chun an bhearna amhairc idir insamhalta agus fíor a dhúnadh gan randamú fearainn lámhdhéanta. Ó thús 2026, tá Cosmos á iniúchadh ag roinnt saotharlanna foghlama robot mar shraith méadaithe sonraí ar bharr taispeántais fíor.

Splattáil Gaussach agus Athchruthú Radharc

Athchruthaíonn Splatting Gaussach 3D radhairc fhóta-réalaíocha ó shraith bheag íomhánna RGB i nóiméid seachas uaireanta. Maidir le hoiliúint róbat, ciallaíonn sé seo gur féidir le saotharlann timpeallacht oibre nua a scanadh, radharc Gaussach a atógáil, agus dearcthaí nó cumraíochtaí réad úrnua a ghiniúint chun sonraí a mhéadú, gan insamhlóir fisice a bheith ag teastáil ar chor ar bith. Tá an cur chuige seo á chomhtháthú i roinnt píblínte insamhalta-go-réadach mar uirlis randamaithe fearainn amhairc ar chostas íseal.

Randamú Fearainn agus Aitheantas Córais

Déanann randamú fearainn paraiméadair insamhalta (uigeachtaí réada, coinníollacha soilsithe, comhéifeachtaí frithchuimilte, dolúbthacht chomhpháirteach an róbait) a randamú le linn na hoiliúna, rud a chuireann iallach ar an mbeartas a bheith athléimneach in aghaidh éagsúlachta seachas é a fheistiú le cumraíocht insamhalta aonair. Glacann sainaithint chórais an cur chuige comhlántach: tomhaiseann sé paraiméadair fhisiciúla an róbait iarbhír (mais, táimhe, comhlíonadh comhpháirteach) go beacht agus úsáideann sé na luachanna sin san insamhalta chun an bhearna a íoslaghdú roimh an randamú.

Cuireann foghlaim churaclaim randamú i bhfeidhm de réir a chéile. Déantar polasaí a thraenáil ar dtús i insamhalta caol, glan, agus ansin tagann sé ar níos mó éagsúlachta de réir a chéile de réir mar a fheabhsaíonn an fheidhmíocht. Is minic a thagann an cur chuige céimnithe seo le chéile níos tapúla ná randamú iomlán a chur i bhfeidhm ón tús.

Comhbhabhtálacha idir Cáilíocht Sonraí agus Cainníocht

Ní bhíonn níos mó sonraí níos fearr go huathoibríoch. Is é comhdhéanamh tacair sonraí a mhúnlaíonn cad is féidir agus nach féidir le polasaí oilte a dhéanamh.

Tá éagsúlacht tascanna níos tábhachtaí ná líon na n-eipeasóidí nuair is polasaí ginearálta an sprioc. Cruthaíonn tacar sonraí de 100,000 eipeasóid den tasc pioc-agus-cuir céanna speisialtóir. Is féidir le tacar sonraí de 10,000 eipeasóid scaipthe ar fud 50 cineál tascanna polasaí a chruthú a aistrítear chuig tascanna nua tar éis cúpla mionchoigeartú.

Tá éagsúlacht ionchorpraithe tábhachtach maidir le haistriú tras-róbat. Is é luach OXE go díreach go gclúdaíonn sé cineálacha arm, ardáin shoghluaiste, agus lámha deaslámhacha. De ghnáth, bíonn polasaí atá réamh-oilte ar OXE agus atá mínchoigeartaithe ar róbat nua níos fearr ná polasaí atá oilte ón tús ar shonraí an róbait nua chéanna amháin, toradh atá comhsheasmhach ar fud il-staidéir fhoilsithe.

Ní thugtar aird ar fhad na heachtra ná ar an téarnamh ó theip. Cruthaíonn tacair sonraí a bhailíonn teile-oibreoirí oilte nach dteipeann orthu go hannamh beartais nach bhfuil a fhios acu conas téarnamh ó shuaitheadh. Feabhsaítear athléimneacht an tsaoil réadaigh go suntasach trí stáit teipe a instealladh d'aon ghnó, agus taispeántais ar théarnamh. Úsáideann roinnt saotharlanna suaitheadh ​​naimhdeach le linn seisiún teile-oibriúcháin chun na sonraí seo a ghiniúint.

De réir breathnuithe tionscail ó thuairiscí iomadúla saotharlainne foghlama róbat in 2024–2025, laghdaíonn luach imeallach eipeasóid bhreise go géar a luaithe a chlúdaíonn tacar sonraí tasc ag thart ar 500–1,000 taispeántas, agus fanann luach imeallach cineálacha tascanna nua ard suas le mílte tasc ar leith. Cuireann EVST é seo san áireamh agus cealla gabhála sonraí píolótacha á struchtúrú, ag tabhairt tosaíochta do leithead tascanna thar charnadh eipeasóid athchleachtach.

Breithnithe maidir le Sonraí Grád Tionsclaíoch

Cuireann bailiú sonraí monarchan ceanglais i bhfeidhm nach mbíonn freastal orthu i socruithe teile-oibriúcháin acadúla de ghnáth.

Is é logáil chinntitheach an chéad riachtanas. I gcill táirgthe, ní mór stampa ama ar léamh ionchódóra comhpháirteach a bheith inrianaithe go tagairt clog balla le cruinneas faoi mhilleasoicind. Soláthraíonn rialú bus allamuigh EtherCAT 1 kHz, atá caighdeánach ar róbait thionsclaíocha (lena n-áirítear iad siúd i líneáil EVST), an bunús ama cinntitheach a fhágann go bhfuil sioncrónú il-bhraiteoirí indéanta. Gineann córas a ritheann ag 1 kHz 1,000 sampla stáit chomhpháirteach in aghaidh an tsoicind in aghaidh an ais; éilíonn ailíniú an tsrutha sin le frámaí ceamara ag 30–60 fps agus sonraí fórsa-chasmhóiminte ag 500 Hz ailtireacht stampa ama crua-earraí disciplínithe, ní maolánú bogearraí.

Tá lipéid sábháilteachta ag teastáil nuair a bhíonn teagmhais bheagnach, gníomhachtuithe stad éigeandála, nó sáruithe ar theorainn fórsa i gceist le heachtraí. Tá na lipéid seo riachtanach le haghaidh comhlíontachta agus le haghaidh beartais oiliúna a thuigeann stáit a bhaineann le sábháilteacht. Déanann rialtóirí tionsclaíocha a logálann cúiseanna stad éigeandála agus sáruithe chasmhóiminte comhpháirteacha ag leibhéal na crua-earraí an lipéadú seo indéanta.

Ceanglaíonn anótáil ama timthrialla eipeasóidí róbat le torthaí déantúsaíochta. Ós rud é gur chríochnaigh eipeasóid 4,712 an tasc tionóil i 8.3 soicind gan aon bhrataí cáilíochta, ceanglaítear sonraí foghlama an róbat leis an gcóras MES agus ceadaítear roghnú taispeántais ardchaighdeáin le haghaidh oiliúna.

Is é meiteashonraí nasctha le MES an droichead. Nuair a scríobhann córas logála sonraí róbait comhaid eipeasóide le haitheantais poist MES, cineálacha páirteanna, agus torthaí cáilíochta ceangailte leo, is féidir an tacar sonraí a eascraíonn as a scagadh go ríomhchláraitheach. Is féidir eipeasóidí a bhaineann le hathoibriú, scriosadh, nó sárú oibreora a eisiamh nó a láimhseáil mar léirithe teipe.

Go praiticiúil, agus cill phíolótach á hiarfheistiú le haghaidh gabháil sonraí, ní hé cumas logála an róbait an bac is coitianta ach ailtireacht líonra na cille. Ní bhíonn méid na gcodanna eitirnéad tionsclaíocha a dearadh le haghaidh cumarsáide idir PLC agus róbat ag rátaí faoi bhun kHz i gcónaí oiriúnach do bhandaleithead físe ilcheamara leanúnach móide sruthanna proprioception. Gineann cill ina bhfuil dhá cheamara 1080p ag 30 fps móide sonraí fórsa sé-ais móide stáit chomhpháirteacha thart ar 150–300 MB in aghaidh an nóiméid de shonraí eipeasóide amha. Seachnaíonn pleanáil an bhonneagair stórála agus líonra roimh imscaradh costas an hiarfheistiúcháin níos déanaí.

Lipéadú Píblínte agus Uirlisí

Níl taifeadtaí eipeasóid amha réidh le haghaidh oiliúna. Teastaíonn anótálacha teanga, maisc deighilte réada, agus i gcásanna áirithe lipéid luaíochta uathu.

Anótáil Teanga

Éilíonn samhlacha VLA coinníollaithe teanga cur síos teanga nádúrtha ar thasc gach eipeasóid. I gcás tacair sonraí beaga, déantar é seo de láimh; i gcás tacair sonraí os cionn 10,000 eipeasóid, bíonn gá le hanótáil uathoibríoch ag baint úsáide as samhlacha teanga fís (GPT-4V, Gemini, nó samhlacha fotheidealaithe speisialaithe). Éilíonn rialú cáilíochta athbhreithniú daonna ar shampla chun earráidí córasacha san uath-anótálaí a ghabháil.

Deighilt agus Rianú Réada

Baineann beartais a dhéanann machnamh ar staid réada leas as maisc dheighilte in aghaidh na heachtra a shainaithníonn na réada ionramháilte. Déanann Segment Anything Model (SAM 2) ó Meta deighilt idirghníomhach inrianaithe ar scála tacar sonraí, rud a laghdaíonn am anótála ó uaireanta go nóiméid in aghaidh na heachtra nuair a chuirtear le pas iomadúcháin rianaithe é.

Múnlú Luach Saothair do RLHF

Nuair a bhíonn taispeántais ratha agus teipe araon i gceist le heachtraí, cuireann lipéadú luaíochta ar chumas foghlaim athneartaithe ó aiseolas daonna (RLHF) a choigeartú go mín. Déanann anótálaithe daonna rangú ar thorthaí na heachtraí, agus déanann na roghanna sin samhail luaíochta a thraenáil a mhúnlaíonn nuashonruithe beartais. Úsáidtear an phíblíne seo i bhforbairt pi0 de chuid na hintleachta fisiciúla agus táthar á iniúchadh le haghaidh oiliúna tascanna tionsclaíocha áit a bhfuil lipéid ratha/teipe dénártha ar fáil cheana féin ó MES.

Príobháideacht, IP, agus Ceadúnú Tacar Sonraí

Ardaíonn ranníocaíochtaí tacair sonraí oscailte ceisteanna maoine intleachtúla a chaithfidh OEManna tionsclaíocha a réiteach sula nglacann siad páirt.

Is iad na príomhchatagóirí ceadúnais atá in úsáid ná CC-BY (tá gá le haitheantas, ceadaítear úsáid tráchtála), CC-BY-NC (neamhthráchtála amháin), agus Apache 2.0 (ceadaitheach, lena n-áirítear úsáid tráchtála agus athdháileadh meáchain mhúnla). Ní ​​roinntear tacair sonraí dílseánaigh (Tesla Optimus, sonraí cabhlaigh Figure, Boston Dynamics) go seachtrach.

I gcás OEManna monarchan, is é an imní maidir le maoin intleachtúil ná nochtadh próisis: d’fhéadfadh eachtra a thaispeánann cumraíocht jigging, cosán uirlisí, nó dearadh daingneáin ar leith modhanna déantúsaíochta dílseánaigh a nochtadh. Is é an maolú caighdeánach ná comhthéacs amhairc a bhaint go dtí leibhéal an éifeachtóra deiridh, sruthanna comhpháirteacha amháin a chur leis (gan sonraí ceamara), nó rindreálacha sintéiseacha den chonair ionramhála a úsáid i gcoinne cúlra cineálach. Cuireann roinnt samhlacha comhghuaillíochta atá ag teacht chun cinn creatlacha dlíthiúla ar fáil le haghaidh ranníocaíocht sonraí tionsclaíocha gan ainm faoi chomhaontuithe neamhnochta frithpháirteacha in éineacht le ceadúnais sonraí Apache 2.0.

De réir anailíse a rinne Stanford CRFM agus a chomhoibritheoirí i suirbhé foghlama róbat 2024, is ionann siloanna sonraí dílseánaigh agus an bac struchtúrach is mó ar dhul chun cinn AI corpraithe thar na tagarmharcanna reatha. Beidh OEManna tionsclaíocha a fhorbraíonn creatlacha rialachais sonraí inmheánacha anois in ann páirt a ghlacadh i gcomhghuaillíochtaí tacar sonraí de réir mar a fhoirmítear na cláir sin thar na 18-24 mí atá romhainn.

Conas is Féidir le OEManna Monarcha Sonraí a Chur ar Fáil

Tá soláthraithe uathoibrithe tionsclaíocha (lena n-áirítear FANUC, ABB, KUKA, agus comhtháthaitheoirí deimhnithe réidh le húsáid ar nós EVST) suite ag crosbhóthar crua-earraí róbat agus timpeallachtaí táirgthe fíor. Fágann an seasamh sin gur rannpháirtithe nádúrtha iad san éiceachóras sonraí AI coirpithe má tá an creat oibríochtúil agus dlíthiúil i bhfeidhm.

Cealla Píolótacha le Forleagan Teile-oibríochta

Is é an pointe iontrála is inrochtana ná cill phíolótach ina bhfuil forleagan teile-oibríochta feistithe ar an róbat táirgthe: lámh cheannaire-leanúna a úsáideann oibreoir chun athruithe ar an tasc táirgthe a léiriú. Bailítear na taispeántais seo ag toirt íseal (50–500 eipeasóid) agus is leor iad chun samhail VLA réamh-oilte a choigeartú go mín ar an tasc táirgthe sonrach. Ní gá athruithe ar dheimhniú sábháilteachta na cille táirgthe a dhéanamh leis an gcur chuige cille píolótach toisc go n-oibríonn an córas teile-oibríochta mar fheiste ionchuir chuig rialtóir an róbait, ní mar chonair rialaithe comhthreomhar.

Logáil Athchóirithe ar Róbónna Táirgthe

Is féidir róbónna táirgthe atá ann cheana a athfheistiú le modúil logála éadroma a thaifeadann staid an chomhpháirtigh, seasamh an éifeachtóra deiridh, agus fórsa greimeora ag rátaí EtherCAT, ag scríobh comhaid eipeasóide stampáilte ama chuig freastalaí imeall le linn rith táirgthe. Ní gá aon athrú a dhéanamh ar chlár rialaithe an róbait leis seo. Gabhann na sonraí logáilte iompar ionramhála táirgthe fíor, atá níos ionadaíche don tasc ná taispeántais saotharlainne. Soláthraíonn rialtóirí tionsclaíocha EVST, ag oibriú ag amanna timthrialla EtherCAT 1 kHz agus deimhnithe de réir chaighdeáin CE/SGS/TUV, an ailtireacht uainiúcháin chinntitheach a bhfuil an cur chuige logála seo ag brath uirthi. Is féidir na sonraí a ghlanadh, a anaithnidiú, agus a fhormáidiú le haghaidh creatlacha foghlama róbat caighdeánacha gan obair ath-chomhtháthaithe chostasach.

Rannpháirtíocht sa Chlár Tacar Sonraí Gan Ainm

Glacann cláir tacair sonraí OEM atá ag teacht chun cinn (lena n-áirítear rian ranníocaíochta oscailte AgiBot World agus roinnt plé comhghuaillíochta ag ICRA 2025) le sonraí ionramhála tionsclaíocha dí-aitheanta. Tá próisis bhainistíochta cáilíochta reatha ag OEManna a bhfuil deimhniú IATF16949 acu, cosúil le EVST, a aistríonn go maith chuig na ceanglais sláine meiteashonraí a shonraíonn na cláir seo: stampaí ama inrianaithe, prótacail bhailiúcháin dhoiciméadaithe, agus taifid calabrúcháin braiteoirí bailíochtaithe.

Clúdach Allamuigh Domhanda mar Bhuntas Sonraí

Is féidir le OEM le hinnealtóirí allamuigh ar fud breis is 100 tír sonraí oiliúna AI coirpithe a bhailiú ó thimpeallachtaí déantúsaíochta atá fíor-éagsúil (geoiméadrachtaí píosaí oibre éagsúla, dálaí comhthimpeallacha, déimeagrafaic oibreoirí, agus athruithe próisis). Tá an éagsúlacht gheografach seo luachmhar toisc go ndéanann beartais a oiltear uirthi ginearálú níos fearr ná iad siúd a oiltear ar shonraí ó shaotharlann nó saoráid aonair. Ciallaíonn róbónna deimhnithe pléascdhíonacha EVST agus líneáil lán-raoin 3–800 kg gur féidir bailiú sonraí a leathnú chuig timpeallachtaí ar nós próiseáil cheimiceach, láimhseáil ábhar guaiseach, agus déantúsaíocht teochta foircneacha nach gclúdaíonn formhór na dtacar sonraí acadúla ar chor ar bith.

Príomhphointí Sonraí Tionscail

De réir thuarascáil Róbataic Dhomhanda 2024 de chuid Chónaidhm Idirnáisiúnta na Róbataic (IFR), bhí breis is 3.9 milliún róbat tionsclaíoch ag feidhmiú ar fud an domhain in 2023, ach tá níos lú ná 2 mhilliún eipeasóid le chéile sna tacair sonraí oscailte is mó maidir le ionramháil róbat, rud a léiríonn an bhearna scála idir crua-earraí imscartha agus sonraí oiliúna atá ar fáil. Tugann EVST aghaidh air seo trí iniúchadh a dhéanamh ar ailtireachtaí logála athchóirithe a thiontaíonn cabhlaigh róbat táirgthe ina sócmhainní bailithe sonraí éighníomhacha.

De réir an pháipéir Open X-Embodiment (Padalkar et al., Google DeepMind et al., 2023), léirigh samhlacha a ndearnadh oiliúint orthu ar shonraí tras-chorpraithe ó bhreis is 22 chineál róbait ginearálú i bhfad níos fearr ar thascanna a cuireadh ar leataobh ná samhlacha a ndearnadh oiliúint orthu ar shonraí aon chorpraithe amháin. Tugann EVST aghaidh air seo trína chreatlach meastóireachta sonraí inmheánach a struchtúrú chun éagsúlacht chorpraithe a mheá in éineacht le comhaireamh eipeasóid agus fóntacht tacair sonraí á measúnú dá mheasúnuithe mínchoigeartaithe líne táirgthe.

De réir breathnuithe tionscail ó shaotharlanna foghlama róbat iolracha in 2024–2025, is í an bhearna amhairc idir insamhalta agus fíor-réad is cúis leis an gcuid is mó de chásanna teipe beartais i dtascanna ionramhála a bhaineann le réada lonracha nó trédhearcacha, rud nach gclúdaíonn teicnící caighdeánacha randamaithe fearainn go hiontaofa. Tugann EVST aghaidh air seo trí uirlisí insamhalta fótaréalacha (go sonrach píblínte NVIDIA Cosmos agus Gaussian Splatting) a mhonatóiriú mar shraitheanna méadaitheacha iarrthóirí dá threochlár pleanála gluaisne feabhsaithe ag AI.

Treoracha Gaolmhara

• Samhlacha Intleachta Saorga agus VLA i Róbataic Thionsclaíoch: Cad is Gá d'Innealtóirí Monarcha a FhiosClúdaíonn sé ailtireacht na samhlacha fís-teanga-gníomhaíochta agus a srianta imscartha ar chrua-earraí táirgthe.
• Róbónna Daonnúla i nDéantúsaíocht Thionsclaíoch 2026Scrúdaíonn sé cé na tascanna is féidir a shásamh i ndáiríre le hardáin dhaonna i gcomparáid le hairm thionsclaíocha traidisiúnta.
• Róbónna Daonnúla vs. Airm Róbó Tionsclaíocha le hÚsáid i Monarcha in 2026Comparáid dhíreach ar chumas, costas agus castacht chomhtháthaithe idir an dá fhachtóir foirme.
• Treoir Iomlán do Chomh-Róbónna: Cineálacha, Roghnú agus Feidhmeanna in 2026An tagairt bhunúsach le haghaidh roghnú róbat comhoibríoch i ngach réimse ualaigh, feidhmchláir agus riachtanais chomhshaoil.

Ceisteanna Coitianta

Cén fáth go bhfuil bailiú sonraí faoi shaorga intleachta coirp níos deacra ná bailiú sonraí do mhúnlaí teanga?

Déantar samhlacha teanga a oiliúint ar théacs atá ann cheana féin ar an idirlíon ar scála ollmhór. Caithfidh róbónna AI ionchorpraithe sonraí céadfach-ghluaiseachta péireáilte gníomhaíochta a bhailiú: uillinneacha comhpháirteacha sioncrónaithe, fórsaí greamaitheora, frámaí ceamara, agus comhthéacs tascanna, agus déantar iad uile a thaifeadadh le linn ionramháil fhisiciúil. Níl na sonraí sin ann ar scála gréasáin agus tá siad costasach a ghiniúint. De ghnáth, tógann gach eipeasóid teile-oibrithe 1-10 nóiméad d'am oibreora oilte chun conair oiliúna aonair a tháirgeadh, agus laghdaíonn an caighdeán mura bhfuil an t-oibreoir eolach ar dhinimic an róbait.

Cad é an difríocht idir aistriú insamhalta go fíor agus randamú fearainn in oiliúint róbat?

Is é aistriú insamhalta go fíor an sprioc leathan: polasaí a thraenáil in insamhalta agus é a imscaradh ar róbat fisiceach gan cliseadh feidhmíochta. Is teicníc amháin é randamú fearainn chun an sprioc sin a bhaint amach. Athraíonn sé paraiméadair insamhalta go randamach — soilsiú, uigeachtaí, comhéifeachtaí frithchuimilte, mais réad — le linn na hoiliúna ionas go bhfoghlaimíonn an polasaí conas déileáil le héagsúlacht sa saol réadúil seachas ró-fheistiú le haghaidh cuma insamhalta aonair. I measc na modhanna eile tá oiriúnú fearainn, rindreáil fhóta-réalaíoch (mar atá i NVIDIA Cosmos), agus sainaithint chórais.

Cad is Open X-Embodiment ann agus cé mhéad cineál róbat a chumhdaítear leis?

Is tacar sonraí foghlama róbat oscailte ar scála mór é Open X-Embodiment atá curtha le chéile ag Google DeepMind le 33 institiúid taighde rannpháirteacha. Bailíonn sé breis is 1 mhilliún eipeasóid róbat thar níos mó ná 22 leagan róbat — láimhseálaithe aon-láimhe, rigí déláimhe, bunáiteanna soghluaiste, agus lámha deaslámhacha. Léirigh na samhlacha RT-X a ndearnadh oiliúint orthu ar OXE go bhfeabhsaíonn oiliúint tras-léirithe ginearálú beartais i gcomparáid le bunlínte aon-léirithe.

Conas is féidir le OEM monarchan sonraí róbat a chur le hoiliúint AI coirpithe gan IP phróisis dílseánaigh a nochtadh?

Is é an cur chuige is praiticiúla ná ranníocaíocht gan ainm ó eipeasóid: bain meiteashonraí a aithníonn próisis (uimhreacha páirte, tagairtí custaiméirí, spriocanna ama timthrialla) agus ní chuireann tú ach sruthanna comh-thraenach agus staide greimeora leis. Glacann roinnt clár tacar sonraí — lena n-áirítear AgiBot World agus tionscnaimh chomhghuaillíochta OEM atá ag teacht chun cinn — le sonraí ionramhála tionsclaíocha gan ainm faoi théarmaí Apache 2.0 nó CC-BY. Cinntíonn bonneagar logála le stampaí ama cinntitheacha EtherCAT go gcomhlíonann cáilíocht na heachtra caighdeáin iontógála tacar sonraí.

Cén córas bailithe sonraí teile-oibriúcháin is fearr a oibríonn le haghaidh tascanna ionramhála tionsclaíocha?

I gcás ionramháil thionsclaíoch, is iad na roghanna is fearr ná ALOHA 2 (lámha ceannaire-leanúna déláimhe, ar chostas íseal, foinse oscailte), UMI (suite ar an láimh, dícheangailte ón róbat, an-iniompartha), agus gabháil bunaithe ar eis-chnámharlach le haghaidh tascanna le hualach níos airde nó tascanna lánchoirp. Tá rigí VR a úsáideann Apple Vision Pro nó Meta Quest 3 ag fáil níos mó tóir le haghaidh gabháil déláimhe iomasach ach teastaíonn píblínte athspriocdhírithe uathu chun cinéitic láimhe an duine a aistriú go spás comhpháirteach róbat. Braitheann an rogha cheart ar chéimeanna saoirse an róbait sprice, ar an ualach, agus ar cibé an bhfuil dhá lámh ag teastáil don tasc.

An Nuashonrú Deiridh: Aibreán 23, 2026

Féach ar ár Réitigh AI Choirpithe →