آموزش درک دنیای واقعی به ربات‌ها؛ پلتفرم جدید Kosmo محیط‌های فیزیکی را به داده‌های سه‌بعدی تبدیل می‌کند

هوش مصنوعی فیزیکی (Physical AI) به‌سرعت در حال عبور از عصر ربات‌های خشک و از پیش‌برنامه‌ریزی‌شده است و به سمت سیستم‌هایی حرکت می‌کند که توانایی درک، تصمیم‌گیری و سازگاری با دنیای واقعی را داشته باشند. اما برعکس هوش مصنوعی دیجیتال که به اقیانوسی بی‌پایان از داده‌های اینترنتی دسترسی دارد، هوش مصنوعی فیزیکی با یک مانع جدی روبه‌روست: کمبود شدید داده‌های دنیای واقعی برای آموزش مدل‌ها و تقویت مهارت‌های رباتیک.

ماجرا چیه؟ شرکت هسای (Hesai) در جریان رویداد اختصاصی Kosmo AI Day در شانگهای، از پلتفرم جدیدی به نام «کاسمو» (Kosmo) رونمایی کرد؛ یک موتور پردازش داده‌های جهان سه‌بعدی که محیط‌های فیزیکی را به فضاهای دیجیتال سه‌بعدی با دقت فوق‌العاده بالا تبدیل می‌کند تا برای آموزش ربات‌ها، توسعه مدل‌های جهان (World Models) و تولید محتوای سه‌بعدی به کار گرفته شوند.

چرا این موضوع مهمه؟ کاسمو به‌عنوان یک زیرساخت داده برای هوش مصنوعی فیزیکی ایفای نقش می‌کند و دقیقاً دست روی بزرگ‌ترین چالش این صنعت گذاشته است: دستیابی به داده‌های واقعی، دقیق، مقرون‌به‌صرفه و قابل تولید در مقیاس انبوه.

کاسمو چطور کار می‌کنه؟ این سیستم با تلفیق حسگر‌های لیدار (LiDAR)، تصاویر اپتیکال و داده‌های حرکتی، محیط پیرامون را به صورت سه‌بعدی ثبت می‌کند و سپس با کمک الگوریتم‌های هوش مصنوعی، بخش‌های خالی صحنه را تکمیل کرده و اشیاء موجود را به شکلی هوشمند برچسب‌گذاری می‌نماید.

• کاسمو صحنه‌های اسکن‌شده را برای شبیه‌سازی ربات‌ها بهینه‌سازی می‌کند و قادر است تنها از یک‌بار اسکن محیط، بیش از ۱۰ هزار سناریو و مسیر حرکتی آموزشی ایجاد کند.
• دکتر ییفان «دیوید» لی، هم‌بنیان‌گذار و مدیرعامل هسای در این رابطه می‌گوید: «هوش مصنوعی فیزیکی نیازمند زیرساختی است که به آن توانایی درک جهان واقعی و تعامل مستقیم درون آن را ببخشد.»

کاربرد در دنیای واقعی: هسای نمونه‌هایی عملی از کاربرد کاسمو را در حوزه‌های رباتیک، سینما، گردشگری و تجارت مکانی به نمایش گذاشت:

• رباتیک: در آزمایش انجام‌شده در یکی از شعب فروشگاه Dairy Queen با همکاری شرکت رباتیک Sharpa، تنها یک اسکن ۱۵ دقیقه‌ای با کاسمو توانست جایگزین نزدیک به ۳۰۰ ساعت مدل‌سازی سه‌بعدی دستی شود. در ادامه، ربات Sharpa در این محیط بازسازی‌شده به نرخ موفقیت چشمگیر ۹۹ درصدی در انجام مأموریت خود دست یافت.
• جلوه‌های ویژه بصری: در آموزش رندرمن (RenderMan) پیکسار از اسکن کاسمو برای بازسازی محوطه اصلی این استودیو استفاده شد؛ صحنه‌ای مرکب از ۱.۲۵ میلیون نقطه رنگی (Splats) که بدون مشکل در نرم‌افزارهای هودینی (Houdini) و رندرمن پیاده‌سازی شد.
• تجارت فضایی: هسای در همکاری با اپلیکیشن نقشه‌برداری Amap، مدل‌های سه‌بعدی موزه هنر Gravity و گالری PIFO را وارد قابلیت نمای خیابانی پویا (Flying Street View) کرده است تا دامنه مسیریابی را از محدوده خیابان‌ها به داخل فروشگاه‌ها و قفسه محصولات ارتقا دهد.

اکوسیستم و سازگاری: کاسمو دسترسی آزاد به داده‌های خام و دارایی‌های سه‌بعدی را فراهم کرده و با پلتفرم‌های مطرحی نظیر انویدیا آیزاک سیم (NVIDIA Isaac Sim)، آیزاک لب (Isaac Lab)، آنریل انجین (Unreal Engine)، رندرمن و هودینی کاملاً سازگار است. علاوه بر این، هسای پکیج‌های نرم‌افزاری و سخت‌افزاری در کنار خدمات داده مکانی عرضه می‌کند و برای گسترش هوش مصنوعی تجسم‌یافته (Embodied AI)، با استارتاپ‌هایی همچون Galbot و Dexmal وارد همکاری شده است.

نگاه کلی: در حالی که هوش مصنوعی دیجیتال به اقیانوس اطلاعات اینترنت متکی است، هوش مصنوعی فیزیکی به درک هندسه و محدودیت‌های ملموس جهان واقعی نیاز دارد. پلتفرم کاسمو گامی اساسی برای تبدیل این فضاهای فیزیکی به دارایی‌های دیجیتال و چندبارمصرف جهت آموزش نسل نوین ربات‌ها محسوب می‌شود.