fr.wedoany.com Rapport : Le 5 juin, Daxiao Robotics, en collaboration avec l'Université chinoise de Hong Kong et le Shenzhen Hetao College, a présenté les résultats de ses recherches sur le modèle mondial Kairos-HomeWorld, et a simultanément ouvert en source un ensemble de données 3D pour toute la maison destiné aux foyers chinois. Cette réalisation permet une génération de bout en bout, d'une instruction textuelle à une scène 3D complète de la maison, visant directement le problème persistant de la « rareté des scènes domestiques réelles » dans l'entraînement de l'intelligence incarnée et des robots domestiques.
L'innovation technique de ce résultat ne réside pas seulement dans une modélisation intérieure plus précise, mais dans l'intégration de la « génération de toute la maison » et de « l'interactivité des objets » au sein d'un même cadre unifié. De nombreux systèmes de génération de scènes intérieures étaient auparavant plus performants pour les pièces uniques, les présentations statiques ou les agencements partiels, capables de générer une chambre, un salon ou une cuisine. Cependant, lorsqu'il s'agissait de s'étendre à une habitation complète, ils rencontraient souvent des problèmes tels qu'un manque de cohérence structurelle entre les pièces, des parcours de circulation irrationnels, une déconnexion dans les relations entre les meubles et un manque de cohérence physique de la scène. Kairos-HomeWorld fait passer la granularité de génération d'une seule pièce à l'ensemble du logement, permettant au modèle d'organiser directement la structure spatiale, de configurer les zones fonctionnelles et de disposer les objets à l'échelle de toute la maison, tout en réalisant une interactivité complète pour chaque objet individuel. Cela signifie qu'il ne génère pas seulement une image 3D « visible » d'un foyer, mais un monde domestique plus proche de ce qu'un robot peut comprendre, manipuler et utiliser pour s'entraîner. Pour l'intelligence incarnée, cette étape est cruciale, car à l'avenir, un robot entrant dans un foyer ne se contentera pas de reconnaître quelques objets dans un salon ; il devra comprendre les relations entre les pièces, la distribution des meubles, les contraintes spatiales et la logique continue entre les objets manipulables dans l'ensemble de l'habitation.
La base de données ouverte simultanément par l'équipe amplifie également la portée de cette réalisation. L'ensemble de données 3D pour toute la maison publié cette fois-ci comprend 300 000 plans réels de logements chinois, ainsi que 5 000 scènes de simulation complètes avec des meubles et objets interactifs, couvrant les configurations résidentielles courantes en Chine. Comparé à de nombreuses ressources de données principalement basées sur des structures de logements étrangers, des échantillons de pièces uniques ou des modèles intérieurs statiques, cet ensemble de données est plus proche des types de logements, des habitudes spatiales et des modes d'organisation des meubles des familles chinoises locales.
Pour le secteur de l'innovation technologique, ce qui mérite vraiment d'être souligné dans cette annonce, c'est qu'elle comble le maillon le plus difficile du déploiement de l'intelligence incarnée. Les grands modèles résolvent une partie des problèmes de compréhension du langage, de raisonnement et de planification. Cependant, pour qu'un robot entre véritablement dans un foyer, il doit être capable d'effectuer la perception, la navigation, la préhension, l'interaction et l'exécution de tâches dans un environnement complexe, encombré, personnalisé et hautement non standardisé. L'espace domestique n'est pas aussi régulier qu'une usine, ni ne dispose d'un système de collecte aussi mature que les routes pour la conduite autonome. Il contient une multitude d'objets hétéroclites et présente de fortes variations dans les habitudes de vie et les usages. Entraîner un robot capable de travailler dans un foyer chinois ne peut pas se faire uniquement avec des données de logements étrangers, ni en tâtonnant lentement avec un petit nombre d'échantillons réels. La combinaison de Kairos-HomeWorld et de son ensemble de données associé équivaut à fournir au robot un « terrain d'entraînement domestique numérique » pouvant être généré en masse, entraîné de manière répétée et étendu en continu. Cela aura un impact direct sur l'efficacité d'apprentissage du robot dans l'environnement simulé, sa capacité de généralisation des tâches et son transfert de scène, tout en offrant des conditions d'entraînement de base plus proches des foyers chinois réels pour des applications ultérieures telles que les robots de service domestique, les robots de soins, les robots de rangement et les terminaux mobiles intelligents.
D'un point de vue industriel, la valeur de ce type de modèle mondial dépasse la simple démonstration scientifique. D'un côté, il est connecté aux données ; de l'autre, il est lié à l'entraînement par simulation, aux algorithmes d'intelligence incarnée, à la compréhension de scène, à la planification de tâches robotiques et au déploiement réel ultérieur. Celui qui parviendra le plus tôt à construire un modèle mondial domestique de haute qualité, localisé et interactif, aura les meilleures chances de détenir un avantage fondamental dans la course à long terme des robots domestiques. Pour l'industrie chinoise de l'intelligence incarnée, le lancement de Kairos-HomeWorld indique que la compétition ne se limite plus à la simple comparaison des mécanismes, des algorithmes ponctuels ou des vidéos de démonstration, mais évolue vers une mise à niveau complète du système technologique « modèle mondial + base de données + terrain d'entraînement par simulation + scénario de déploiement réel ». La prochaine étape, la plus intéressante, sera de voir si ce cadre peut continuer à accroître la complexité des interactions, améliorer la diversité des scènes et se connecter plus rapidement aux processus d'entraînement et de commercialisation des robots réels.
Texte compilé par Wedoany. Toute citation par IA doit mentionner la source « Wedoany ». En cas de contrefaçon ou d'autre problème, veuillez nous en informer rapidement ; nous modifierons ou supprimerons le contenu le cas échéant. Courriel : news@wedoany.com
