Scalarea inteligenței artificiale fizice și a roboticii umanoide cu 10 de ore de date privind mișcarea simulată în realitate
Cum a livrat Shaip 10,000 de ore de date de captare a mișcării VR egocentrice pentru 4,000 de participanți, 100 de sarcini și peste 5 medii reale — construit ca o conductă de date de antrenament AI fizic la nivel de producție pentru robotică umanoidă simulată-reală.
rezumatul proiectului
Pe măsură ce inteligența artificială fizică și robotica umanoidă intră în implementarea în lumea reală, clientul avea nevoie de un cadru scalabil pentru a colecta 10,000 de ore de date de mișcare VR bazate pe sarcini în diverse medii, cu calibrare, execuție și asigurare a calității consecvente.
Shaip a construit fluxul complet de operațiuni de date, acoperind configurarea scenelor, maparea codurilor QR, urmărirea cu cinci senzori, repetiția participanților, captura moderată și fluxurile de lucru de revizuire pentru a susține 100 de sarcini definite de clienți și a livra seturi de date AI încorporate, pregătite pentru model, la scară largă.
Statistici cheie
Participanții
~ 4,000
Volumul datelor
10,000 de ore valide
Acoperire de mediu
Birou, casă, fabrică, cafenea, depozit etc.
Companiei
1 luni
Activități
- Scalarea colectării datelor de mișcare din fluxuri de lucru controlate în stil pilot într-un 10,000 de ore, multi-mediu programul.
- Mentine precizie constantă a urmăririi în diverse scene din lumea reală și configurații ale participanților.
- Asigurarea îndeplinirii cerințelor stricte pentru fiecare sesiune Control APK/versiuni, configurare rețea partajată, screencasting și asociere senzori.
- De conducere 100 de sarcini definite de client în categorii precum locomoție, manipulare de obiecte, interacțiune în gospodărie, interacțiune la birou și fluxuri de lucru fizice în mai mulți pași - fiecare necesitând configurarea corectă a scenei, plasarea obiectelor, pregătirea participanților și validare condusă de moderator.
- Conversia sesiunilor brute în ieșiri gata de model prin fluxuri de lucru repetabile de asigurare a calității, gestionarea reluărilor și încărcarea revizuirilor.
Soluţie
Strategia de colectare
Shaip a conceput un cadru de colectare scalabil pentru 10,000 de ore valide de date de mișcare VR, livrate în loturi bazate pe etape. Pe baza raportului de planificare a sursei 3–5 participanți la fiecare 10 ore valide, programul complet se adaptează la o estimare 3,000–5,000 de participanți, Cu ~4,000 de participanți utilizată ca figură de planificare la mijloc.
Managementul mediului și al scenei
Fiecare locație de captură a fost tratată ca o scenă structurată. Shaip a documentat mediul folosind fotografii de cameră cu unghi larg, a configurat scene în sistemul de administrare, a coordonat recenziile clienților și a exportat fișiere PDF cu scene pentru plasarea fizică. Maparea scenelor cu link-uri QR a asigurat că fiecare mediu din lumea reală putea fi legat în mod fiabil de contextul corect de înregistrare.
Pregătire pentru dispozitive și aplicații
Shaip a standardizat pregătirea tehnică asigurându-se că casca VR și dispozitivul de monitorizare erau conectate la aceeași rețea, controlând fluxul de instalare/actualizare a fișierelor APK și activând transmisia de ecran bazată pe browser pentru vizibilitatea moderatorului pe tot parcursul sesiunii.
Urmărirea mișcării și calibrarea
Înainte de fiecare sesiune, toate cele cinci dispozitive de urmărire a mișcării au fost asociate și validate. Calibrarea a fost obligatorie pentru fiecare participant, inclusiv verificarea alinierii avatarului, ajustarea podelei și configurarea personalizată a limitelor pentru a asigura o captură precisă a mișcării întregului corp în spațiul de activitate înregistrabil.
Executarea și moderarea sarcinilor
Participanții au fost ghidați prin pregătirea sarcinilor specifice scenei și repetiții înainte de înregistrare. Moderatorii au observat prin intermediul capturii de ecran, au verificat acuratețea sarcinii și claritatea mișcării și au trecut la captura live doar după ce comportamentul senzorilor și mișcarea participanților au îndeplinit așteptările de calitate. Pornirea/oprirea înregistrării a fost executată prin fluxul de lucru definit prin gesturi.
Asigurarea calității și rezultate pregătite pentru model
După înregistrare, sesiunile au fost încărcate în istoric pentru revizuire. Shaip a validat claritatea mișcării, corectitudinea sarcinii, alinierea scenei și precizia senzorilor, anulând sau reluând înregistrările inutilizabile atunci când a fost necesar. Acest lucru a creat o cale mai fiabilă către seturi de date pregătite pentru adnotări, verificate prin QA și pregătite pentru modele, pentru antrenament integrat în domeniul inteligenței artificiale și roboticii.
Domeniul de aplicare al proiectului
| Tipul setului de date | Participanții | Volumul de înregistrare | medii | Volumul sarcinilor | Configurarea capturii | Companiei |
|---|---|---|---|---|---|---|
| Captura de mișcare VR egocentrică | ~ 4,000 | 10,000 de ore valide | Birou, Acasă, Cafenea, Fabrică, Depozit și alte medii din lumea reală | 100 de sarcini definite de client | Căști VR + 5 dispozitive de urmărire a mișcării | 1 luni |
Rezultat
- A stabilit un cadru scalabil de operațiuni de date pentru 10,000 de ore de date de antrenament fizic prin inteligență artificială
- standardizat guvernanță scenă, cartografiere bazată pe coduri QR și calibrare cu cinci senzori în medii distribuite
- Îmbunătățirea consecvenței colecțiilor prin repetiție moderată, revizuire a screencast-ului în timp real și QA la nivel de sesiune
- Activat ieșiri validate pentru sarcini, gata de adnotare pentru dezvoltarea de modele de inteligență artificială încorporată, simulare și robotică în aval
- A consolidat clientul conductă de date sim-to-real cu captură de mișcare egocentrică de înaltă calitate
din diverse medii din lumea reală
Per total, Shaip a contribuit la transformarea unei cerințe complexe de captură VR într-un flux de date structurat, pregătit pentru producție - unul capabil să suporte IA fizică, inteligență întrupată și robotică umanoidă inițiative cu o consecvență, trasabilitate și scară mai mari.
Shaip ne-a ajutat să construim coloana vertebrală a operațiunilor de date pentru foaia noastră de parcurs a inteligenței artificiale fizice. Echipa lor a adus structura captării mișcării în medii multiple, gestionării participanților, configurării scenelor, calibrării și asigurării calității — permițându-ne să generăm seturi de date pregătite pentru modele care susțin învățarea de la simulare la realitate pentru inteligența artificială întrupată și robotica umanoidă.
