شرکت چینی هوش مصنوعی از نسل جدید مدل‌های درک فضایی برای ربات‌ها رونمایی کرد

مدل LingBot-Depth 2.0 که بر پایه LingBot-Depth توسعه یافته است، با گسترش قابلیت‌های آموزش و بهبود عملکرد، پیشرفت‌های تازه‌ای را ارائه می‌دهد. نسخه نخست این مدل با معرفی فناوری Masked Depth Modeling (MDM)، چالش‌های مرتبط با تشخیص عمق در سطوح شفاف و بازتابنده را برطرف کرده بود.
این مدل با استفاده از ۱۵۰ میلیون نمونه آموزش دیده و در ۱۲ مورد از ۱۶ معیار ارزیابی تکمیل عمق، به نتایج قابل قبولی دست یافته است؛ دستاوردی که دقت و قابلیت اطمینان بالاتر آن را در وظایف درک محیط در دنیای واقعی نشان می‌دهد.

مدل هوش مصنوعی برای غلبه بر چالش‌های تشخیص عمق در ربات‌ها طراحی شد

LingBot-Depth 2.0 بهبودهای قابل‌توجهی را در محیط‌های سرپوشیده و چالش‌برانگیز، جایی که تشخیص عمق معمولاً با محدودیت مواجه است، ارائه می‌دهد. به گفته شرکت Robbyant، این مدل در سناریوهایی که با افت شدید اطلاعات عمق همراه هستند، میزان خطای تشخیص عمق را در مقایسه با نسخه پیشین خود بیش از ۵۰ درصد کاهش داده و مقدار شاخص RMSE را از ۰٫۱۳۲ به ۰٫۰۶۲ رسانده است.
این مدل همچنین در شرایطی که دوربین‌های متداول تشخیص عمق معمولاً با مشکل مواجه می‌شوند، عملکرد بهتری از خود نشان می‌دهد؛ از جمله در شناسایی و درک سطوح شیشه‌ای، آینه‌ها و دیگر اجسام شفاف.
شرکت چینی Robbyant این پیشرفت‌ها را به LingBot-Vision نسبت می‌دهد؛ مدل پایه بینایی که برای بهبود توانایی ربات‌ها در تفسیر و درک محیط پیرامون طراحی شده است. این مدل نخستین نمونه در صنعت به شمار می‌رود که از «ساختار مرزی» به‌ عنوان هدف پیش‌آموزش استفاده می‌کند؛ رویکردی که امکان مکان‌یابی مرزها با دقت زیرپیکسلی و درک بهتر ساختار فضایی را فراهم می‌کند و در نتیجه، قابلیت ادراک ربات‌ها را افزایش می‌دهد.

با وجود اینکه LingBot-Vision با مجموعه‌داده‌ای نسبتاً کوچک‌تر شامل ۱۶۰ میلیون تصویر آموزش دیده است، در مقایسه با مدل‌های بزرگ‌تر عملکرد قدرتمندی ارائه می‌دهد. شرکت Robbyant اعلام کرد این مدل همچنین تشخیص پایدار مرز اجسام را فراهم می‌کند و به ربات‌ها امکان می‌دهد لبه‌ها و ساختار اشیا را در طول دنباله‌های ویدئویی به‌صورت پیوسته ردیابی کنند.

LingBot-Depth 2.0 برای کاربردهای تجاری رباتیک تأیید شد

LingBot-Vision علاوه بر اینکه هسته اصلی LingBot-Depth 2.0 را تشکیل می‌دهد، به‌عنوان یک مدل پایه انعطاف‌پذیر طراحی شده است که می‌تواند از طیف گسترده‌ای از کاربردهای هوش مصنوعی و وظایف پایین‌دستی پشتیبانی کند. شرکت Robbyant اعلام کرد قابلیت‌های این مدل تنها به تشخیص عمق محدود نمی‌شود و زمینه استفاده از آن را در کاربردهای گسترده‌تر بینایی رباتیک و سامانه‌های هوشمند فراهم می‌کند.
LingBot-Depth 2.0 برای استفاده تجاری، گواهی تأیید آزمایشگاه Depth Vision شرکت Orbbec را دریافت کرده است. آزمایش‌هایی که با استفاده از داده‌های عمق در سطح تراشه و دوربین‌های سه‌بعدی استریویی سری Gemini 330 شرکت Orbbec انجام شد، بهبودهایی را در تشخیص لبه‌ها، تعیین مرز اجسام، شناسایی اشیای کوچک‌تر، برآورد عمق در فواصل دور و عملکرد در شرایط نوری و جنس مواد چالش‌برانگیز نشان داد.
همکاری Robbyant و Orbbec به توسعه راهکارهای سخت‌افزاری جدید برای جمع‌آوری داده‌های رباتیک نیز گسترش خواهد یافت. در قالب پلتفرم سخت‌افزاری Robot-Free Data Collection که Orbbec به‌تازگی معرفی کرده است، دستگاه RGB-D EGO به نسخه سفارشی‌سازی‌شده‌ای از LingBot-Depth مجهز خواهد شد که برای جمع‌آوری داده‌های آموزشی باکیفیت بهینه‌سازی شده است.
بر اساس برنامه‌ریزی انجام ‌شده، نسخه‌های آینده این پلتفرم به نسخه تجاری پیشرفته‌تر این مدل مجهز خواهند شد؛ اقدامی که تکمیل عمق، تشخیص مرز اجسام و درک ساختار فضایی را بیش از پیش بهبود می‌بخشد. هدف از این توسعه، فراهم کردن بستری دقیق‌تر، پایدارتر و کاربردی‌تر از داده‌ها برای آموزش سامانه‌های هوش مصنوعی تجسم‌یافته در محیط‌های واقعی است.

برای ارزیابی پایداری، امنیت و نگهداری این زیرساخت، راهنمای پشتیبانی شبکه را نیز مطالعه کنید.