Gasgoo Münih – Maniformer, 31 Ağustos’ta endüstride ilk kez seri üretilen “disembodied data collection” (bedensiz veri toplama) cihazlarından olan 20.000inci MEgo cihazını resmi olarak üretim bandından çıkardı ve JD.com’a teslim etti. Aynı zamanda Maniformer, 1 milyon saatten fazla yüksek kaliteli bedensiz veri ürettiğini duyurdu ve bu alanda ticari satış için 1 milyon saatlik bir veri seti sunan ilk şirket oldu.
Törende, Maniformer Yönetim Kurulu Başkanı ve CEO’su Yao Maoqing, 20.000inci MEgo cihazını JD.com temsilcisine teslim etti. Cihazın, hemen operasyonel ortamlarda kullanılmaya başlanacağı belirtildi.
Ayrıca, Maniformer, Tencent’in Robotics X Lab ile işbirliği yaparak, Tencent’in “embodied models” (bedensel modeller) geliştirme sürecine veri desteği sağlayacağını duyurdu.
Maniformer’in MEgo cihazı, endüstride ilk kez kullanılan çoklu görüş ve çoklu modal yaklaşımlarıyla dikkat çekiyor. 300 derecelik panoramik görüşün yanı sıra, bilek detaylarının yakın çekim görüntüleri alınabiliyor. Ayrıca, hassas dokunma sensörleri ve milimetre seviyesinde hareket takibi sayesinde, her tutuşun tam olarak kopyalanabilmesi sağlanıyor. Zamanlama açısından ise, tüm kanallar arasında donanım seviyesinde senkronizasyon ile görüş, dokunuş ve duruş arasındaki uyumsuzluklar ortadan kaldırılıyor.
MEgo cihazının hafif ve kablosuz tasarımı sayesinde, gerçek dünyadaki her köşeye kolayca taşınabiliyor.
Maniformer tarafından toplanan 1 milyon saatlik bedensiz veri, RGB, derinlik, IMU (atalet ölçüm ünitesi), dokunma ve ses verileri gibi çoklu modal bilgileri içeriyor. Bu kapsamlı veri seti, gerçek dünya senaryolarını, eylemleri ve etkileşimleri kapsıyor.
Veri toplama formatları konusunda Maniformer, “Ego Bare Hand” (çıplak el), “Ego+Wrist” (bilek) ve “Ego+UMI Gripper” (robot uçucu parça) olmak üzere üç farklı veri sistemi geliştirmiş. Bu sistemler sırasıyla doğal insan operasyonunu, bilek pozisyonu ve sürekli hareket yollarını ve robot uçucu parça uygulamasını temsil ediyor. Özellikle, “Ego Bare Hand” verisi yaklaşık 500.000 saat, “Ego+Wrist” yaklaşık 350.000 saat ve “Ego+UMI Gripper” ise yaklaşık 150.000 saatten oluşuyor.
Tüm bu veriler, gerçek dünya ortamlarından toplanmış olup, 22 ana senaryo kategorisi, 10.000’den fazla gerçek ortam, 50.000’den fazla nesne türü ve 500’den fazla özel görev kapsıyor. Ayrıca, konut, ofis, perakende, üretim, depolama, yemek, eğlence ve ulaşım gibi sekiz yüksek frekanslı senaryonun yanı sıra, kamu hizmetleri, lojistik, sağlık, eğitim, yaşlı bakımı, kültürel turizm, otomotiv hizmetleri ve tarımsal üretim gibi daha fazla alana yayılıyor.
Bu sekiz ana senaryo, toplam verinin yaklaşık %82’sini oluşturarak, genel fiziksel yapay zeka yeteneklerinin temelini oluşturuyor. Kalan %18 ise, farklı sektörlere yönelik uzun kuyruklu senaryoları kapsıyor.
Maniformer’in 1 milyon saatlik veri setinin arkasında, gerçek dünya verilerinin sürekli olarak üretilmesini sağlayan kapsamlı bir teknoloji sistemi bulunuyor.
İnsan el hareketlerinin doğru bir şekilde yeniden oluşturulması ve tüm vücut pozisyonunun yakalanabilmesi için Maniformer, MEgo Engine adlı veri işleme altyapısını geliştirdi. Bu altyapı, veri işleme, algılama, etiketleme ve kalite değerlendirmesi gibi süreçleri kapsıyor. Ayrıca, yüksek hassasiyetli poz tahmini ve hareket eşleştirme teknikleriyle, ellerin, vücutların, kafaların, robot uçucu parçalarının ve çevrenin gerçek dünya bilgilerini, birleşik uzamsal verilere dönüştürüyor.
Bu etkinlikte, Maniformer ayrıca yüksek hassasiyetli el yeniden yapılandırma teknolojisi olan “HandPose”u tanıttı. Beş gözlü panoramik algılama, sağlam el takibi, üç gözlü derin füzyon, parametrik el yeniden yapılandırması ve yüksek hassasiyetli hareket geri kazanımı gibi özelliklerle donatılan bu teknoloji, tüm senaryolarda sağlam bir şekilde çalışıyor.
Ellerin yanı sıra, Maniformer aynı zamanda kafa, vücut, robot uçucu parçaları ve çevre için de uzamsal yeniden yapılandırma yetenekleri geliştirmiş.
Geniş miktarlardaki gerçek dünya verilerinin verimli bir şekilde kullanılabilmesi için Maniformer, “ManiEval” adlı çok boyutlu veri kalitesi kontrol ve derecelendirme sistemini oluşturmuş.
ManiEval, veri türü, görev türü, sensör kalitesi, anlamsal kalite ve eylem kalitesi gibi birçok boyutta verileri değerlendiriyor. “Filtrelemek yerine derecelendirme” yaklaşımıyla, farklı kalite ve özelliklere sahip verileri, model eğitimi gereksinimlerine göre eşleştirerek, her bir gerçek verinin uygun bir uygulama senaryosu bulmasını sağlıyor.
Bu bağlamda, Maniformer, farklı veri türlerini “embodied brains” (bedensel zekalar), “Vision-Language-Action” (VLA) modelleri ve “World Action Models” gibi alanlarda kullanmaya devam ediyor. Bu sayede, gerçek dünya verileri, makine algılama, eylem ve akıl yürütme yeteneklerine dönüştürülerek, “toplama – yeniden oluşturma – kalite kontrolü – eğitim – dağıtım – geri bildirim” döngüsü tamamlanıyor.
Şu anda, Maniformer’in 1 milyon saatlik bedensiz veri seti, Tencent’in Robotics X Lab ve Robbyant gibi önde gelen müşterilere hizmet veriyor ve belirli model eğitimi gereksinimlerine göre özel olarak hazırlanmış veri ürünleri ve hizmetler sunuyor.
