10 ಸಾವಿರ ಗಂಟೆಗಳ ಸಿಮ್-ಟು-ರಿಯಲ್ ಮೋಷನ್ ಡೇಟಾದೊಂದಿಗೆ ಭೌತಿಕ AI ಮತ್ತು ಹುಮನಾಯ್ಡ್ ರೊಬೊಟಿಕ್ಸ್ ಅನ್ನು ಸ್ಕೇಲಿಂಗ್ ಮಾಡುವುದು.
ಶೈಪ್ 4,000 ಭಾಗವಹಿಸುವವರು, 100 ಕಾರ್ಯಗಳು ಮತ್ತು 5+ ನೈಜ-ಪ್ರಪಂಚದ ಪರಿಸರಗಳಲ್ಲಿ 10,000 ಗಂಟೆಗಳ ಅಹಂಕಾರದ VR ಚಲನೆಯ-ಕ್ಯಾಪ್ಚರ್ ಡೇಟಾವನ್ನು ಹೇಗೆ ತಲುಪಿಸಿದರು - ಸಿಮ್-ಟು-ರಿಯಲ್ ಹುಮನಾಯ್ಡ್ ರೋಬೋಟ್ಗಾಗಿ ಉತ್ಪಾದನಾ-ದರ್ಜೆಯ ಭೌತಿಕ AI ತರಬೇತಿ ಡೇಟಾ ಪೈಪ್ಲೈನ್ನಂತೆ ನಿರ್ಮಿಸಲಾಗಿದೆ.
ಪ್ರಾಜೆಕ್ಟ್ ಅವಲೋಕನ
ಭೌತಿಕ AI ಮತ್ತು ಹುಮನಾಯ್ಡ್ ರೊಬೊಟಿಕ್ಸ್ ನೈಜ-ಪ್ರಪಂಚದ ನಿಯೋಜನೆಗೆ ಕಾಲಿಡುತ್ತಿದ್ದಂತೆ, ಕ್ಲೈಂಟ್ಗೆ ಸ್ಥಿರವಾದ ಮಾಪನಾಂಕ ನಿರ್ಣಯ, ಕಾರ್ಯಗತಗೊಳಿಸುವಿಕೆ ಮತ್ತು ಗುಣಮಟ್ಟದ ಖಾತರಿಯೊಂದಿಗೆ ವೈವಿಧ್ಯಮಯ ಪರಿಸರಗಳಲ್ಲಿ 10,000 ಗಂಟೆಗಳ ಕಾರ್ಯ-ಆಧಾರಿತ VR ಚಲನೆಯ ಡೇಟಾವನ್ನು ಸಂಗ್ರಹಿಸಲು ಸ್ಕೇಲೆಬಲ್ ಚೌಕಟ್ಟಿನ ಅಗತ್ಯವಿತ್ತು.
100 ಗ್ರಾಹಕ-ವ್ಯಾಖ್ಯಾನಿತ ಕಾರ್ಯಗಳನ್ನು ಬೆಂಬಲಿಸಲು ಮತ್ತು ಮಾದರಿ-ಸಿದ್ಧ ಸಾಕಾರಗೊಳಿಸಿದ AI ಡೇಟಾಸೆಟ್ಗಳನ್ನು ಪ್ರಮಾಣದಲ್ಲಿ ತಲುಪಿಸಲು ದೃಶ್ಯ ಸೆಟಪ್, QR ಮ್ಯಾಪಿಂಗ್, ಐದು-ಸೆನ್ಸರ್ ಟ್ರ್ಯಾಕಿಂಗ್, ಭಾಗವಹಿಸುವವರ ಪೂರ್ವಾಭ್ಯಾಸ, ಮಾಡರೇಟೆಡ್ ಕ್ಯಾಪ್ಚರ್ ಮತ್ತು ವಿಮರ್ಶೆ ವರ್ಕ್ಫ್ಲೋಗಳನ್ನು ಒಳಗೊಂಡ ಎಂಡ್-ಟು-ಎಂಡ್ ಡೇಟಾ ಕಾರ್ಯಾಚರಣೆಗಳ ಪೈಪ್ಲೈನ್ ಅನ್ನು ಶೈಪ್ ನಿರ್ಮಿಸಿದ್ದಾರೆ.
ಪ್ರಮುಖ ಅಂಕಿಅಂಶಗಳು
ಭಾಗವಹಿಸುವವರು
~ 4,000
ಡೇಟಾ ಪರಿಮಾಣ
10,000 ಮಾನ್ಯ ಗಂಟೆಗಳು
ಪರಿಸರ ವ್ಯಾಪ್ತಿ
ಕಚೇರಿ, ಮನೆ, ಕಾರ್ಖಾನೆ, ಕೆಫೆ, ಗೋದಾಮು ಇತ್ಯಾದಿ.
ಟೈಮ್ಲೈನ್
1 ತಿಂಗಳು
ಸವಾಲುಗಳು
- ನಿಯಂತ್ರಿತ ಪೈಲಟ್ ಶೈಲಿಯ ಕೆಲಸದ ಹರಿವುಗಳಿಂದ ಚಲನೆಯ ದತ್ತಾಂಶ ಸಂಗ್ರಹಣೆಯನ್ನು a ಗೆ ಅಳೆಯುವುದು 10,000-ಗಂಟೆಗಳ, ಬಹು-ಪರಿಸರ ಪ್ರೋಗ್ರಾಂ.
- ನಿರ್ವಹಿಸುವುದು ಸ್ಥಿರ ಟ್ರ್ಯಾಕಿಂಗ್ ನಿಖರತೆ ವೈವಿಧ್ಯಮಯ ನೈಜ-ಪ್ರಪಂಚದ ದೃಶ್ಯಗಳು ಮತ್ತು ಭಾಗವಹಿಸುವವರ ಸೆಟಪ್ಗಳಲ್ಲಿ.
- ಪ್ರತಿ ಅಧಿವೇಶನವು ಕಟ್ಟುನಿಟ್ಟಾದ ಅವಶ್ಯಕತೆಗಳನ್ನು ಪೂರೈಸುತ್ತಿದೆಯೆ ಎಂದು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳುವುದು APK/ಆವೃತ್ತಿ ನಿಯಂತ್ರಣ, ಹಂಚಿಕೆಯ ನೆಟ್ವರ್ಕ್ ಸೆಟಪ್, ಸ್ಕ್ರೀನ್ಕಾಸ್ಟಿಂಗ್ ಮತ್ತು ಸಂವೇದಕ ಜೋಡಣೆ.
- ವ್ಯವಸ್ಥಾಪಕ 100 ಗ್ರಾಹಕ-ವ್ಯಾಖ್ಯಾನಿತ ಕಾರ್ಯಗಳು ಚಲನವಲನ, ವಸ್ತು ಕುಶಲತೆ, ಮನೆಯ ಸಂವಹನ, ಕಚೇರಿ ಸಂವಹನ ಮತ್ತು ಬಹು-ಹಂತದ ಭೌತಿಕ ಕೆಲಸದ ಹರಿವುಗಳಂತಹ ವಿಭಾಗಗಳಲ್ಲಿ - ಪ್ರತಿಯೊಂದಕ್ಕೂ ಸರಿಯಾದ ದೃಶ್ಯ ಸೆಟಪ್, ವಸ್ತು ನಿಯೋಜನೆ, ಭಾಗವಹಿಸುವವರ ಸಿದ್ಧತೆ ಮತ್ತು ಮಾಡರೇಟರ್ ನೇತೃತ್ವದ ಮೌಲ್ಯೀಕರಣದ ಅಗತ್ಯವಿರುತ್ತದೆ.
- ಕಚ್ಚಾ ಅವಧಿಗಳನ್ನು ಪರಿವರ್ತಿಸುವುದು ಮಾದರಿ-ಸಿದ್ಧ ಔಟ್ಪುಟ್ಗಳು ಪುನರಾವರ್ತಿತ QA, ಮರುಪಡೆಯುವಿಕೆ ನಿರ್ವಹಣೆ ಮತ್ತು ಅಪ್ಲೋಡ್ ವಿಮರ್ಶೆ ಕೆಲಸದ ಹರಿವುಗಳ ಮೂಲಕ.
ಪರಿಹಾರ
ಸಂಗ್ರಹ ತಂತ್ರ
ಶೈಪ್ ಒಂದು ಸ್ಕೇಲೆಬಲ್ ಸಂಗ್ರಹ ಚೌಕಟ್ಟನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸಿದರು 10,000 ಮಾನ್ಯ ಗಂಟೆಗಳು ಮೈಲಿಗಲ್ಲು ಆಧಾರಿತ ಬ್ಯಾಚ್ಗಳಲ್ಲಿ ವಿತರಿಸಲಾದ VR ಚಲನೆಯ ಡೇಟಾ. ಮೂಲ ಯೋಜನಾ ಅನುಪಾತವನ್ನು ಆಧರಿಸಿ ಮಾನ್ಯವಾದ 10 ಗಂಟೆಗಳಿಗೆ 3–5 ಭಾಗವಹಿಸುವವರು, ಪೂರ್ಣ ಪ್ರೋಗ್ರಾಂ ಅಂದಾಜಿಗೆ ಅಳೆಯುತ್ತದೆ 3,000–5,000 ಭಾಗವಹಿಸುವವರುಜೊತೆ ~4,000 ಭಾಗವಹಿಸುವವರು ಮಧ್ಯಬಿಂದು ಯೋಜನಾ ಅಂಕಿ ಅಂಶವಾಗಿ ಬಳಸಲಾಗುತ್ತದೆ.
ಪರಿಸರ ಮತ್ತು ದೃಶ್ಯ ನಿರ್ವಹಣೆ
ಪ್ರತಿಯೊಂದು ಸೆರೆಹಿಡಿಯುವ ಸ್ಥಳವನ್ನು ರಚನಾತ್ಮಕ ದೃಶ್ಯವೆಂದು ಪರಿಗಣಿಸಲಾಗಿದೆ. ಶೈಪ್ ವೈಡ್-ಆಂಗಲ್ ರೂಮ್ ಛಾಯಾಗ್ರಹಣ, ನಿರ್ವಾಹಕ ವ್ಯವಸ್ಥೆಯಲ್ಲಿ ಕಾನ್ಫಿಗರ್ ಮಾಡಲಾದ ದೃಶ್ಯಗಳು, ಸಂಯೋಜಿತ ಗ್ರಾಹಕ ವಿಮರ್ಶೆ ಮತ್ತು ಭೌತಿಕ ನಿಯೋಜನೆಗಾಗಿ ರಫ್ತು ಮಾಡಿದ ದೃಶ್ಯ PDF ಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಪರಿಸರವನ್ನು ದಾಖಲಿಸಿದ್ದಾರೆ. QR-ಸಂಯೋಜಿತ ದೃಶ್ಯ ಮ್ಯಾಪಿಂಗ್ ಪ್ರತಿಯೊಂದು ನೈಜ-ಪ್ರಪಂಚದ ಪರಿಸರವನ್ನು ಸರಿಯಾದ ರೆಕಾರ್ಡಿಂಗ್ ಸಂದರ್ಭಕ್ಕೆ ವಿಶ್ವಾಸಾರ್ಹವಾಗಿ ಜೋಡಿಸಬಹುದೆಂದು ಖಚಿತಪಡಿಸುತ್ತದೆ.
ಸಾಧನ ಮತ್ತು ಅಪ್ಲಿಕೇಶನ್ ಸಿದ್ಧತೆ
VR ಹೆಡ್ಸೆಟ್ ಮತ್ತು ಮೇಲ್ವಿಚಾರಣಾ ಸಾಧನವನ್ನು ಒಂದೇ ನೆಟ್ವರ್ಕ್ಗೆ ಸಂಪರ್ಕಿಸಲಾಗಿದೆ ಎಂದು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳುವ ಮೂಲಕ, APK ಸ್ಥಾಪನೆ/ಅಪ್ಡೇಟ್ ಹರಿವನ್ನು ನಿಯಂತ್ರಿಸುವ ಮೂಲಕ ಮತ್ತು ಸೆಷನ್ನಾದ್ಯಂತ ಮಾಡರೇಟರ್ ಗೋಚರತೆಗಾಗಿ ಬ್ರೌಸರ್ ಆಧಾರಿತ ಸ್ಕ್ರೀನ್ಕಾಸ್ಟಿಂಗ್ ಅನ್ನು ಸಕ್ರಿಯಗೊಳಿಸುವ ಮೂಲಕ Shaip ತಾಂತ್ರಿಕ ಸಿದ್ಧತೆಯನ್ನು ಪ್ರಮಾಣೀಕರಿಸಿದೆ.
ಚಲನೆಯ ಟ್ರ್ಯಾಕಿಂಗ್ ಮತ್ತು ಮಾಪನಾಂಕ ನಿರ್ಣಯ
ಪ್ರತಿ ಸೆಷನ್ಗೆ ಮೊದಲು, ಎಲ್ಲಾ ಐದು ಮೋಷನ್ ಟ್ರ್ಯಾಕರ್ಗಳನ್ನು ಜೋಡಿಸಿ ಮೌಲ್ಯೀಕರಿಸಲಾಯಿತು. ರೆಕಾರ್ಡ್ ಮಾಡಬಹುದಾದ ಚಟುವಟಿಕೆ ಜಾಗದಲ್ಲಿ ನಿಖರವಾದ ಪೂರ್ಣ-ದೇಹದ ಚಲನೆಯ ಸೆರೆಹಿಡಿಯುವಿಕೆಯನ್ನು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಲು ಅವತಾರ್ ಜೋಡಣೆ ಪರಿಶೀಲನೆಗಳು, ನೆಲದ ಹೊಂದಾಣಿಕೆ ಮತ್ತು ಕಸ್ಟಮ್ ಬೌಂಡರಿ ಸೆಟಪ್ ಸೇರಿದಂತೆ ಪ್ರತಿಯೊಬ್ಬ ಭಾಗವಹಿಸುವವರಿಗೆ ಮಾಪನಾಂಕ ನಿರ್ಣಯ ಕಡ್ಡಾಯವಾಗಿತ್ತು.
ಕಾರ್ಯ ನಿರ್ವಹಣೆ ಮತ್ತು ಮಾಡರೇಶನ್
ಭಾಗವಹಿಸುವವರಿಗೆ ರೆಕಾರ್ಡಿಂಗ್ ಮಾಡುವ ಮೊದಲು ದೃಶ್ಯ-ನಿರ್ದಿಷ್ಟ ಕಾರ್ಯ ಸಿದ್ಧತೆ ಮತ್ತು ಪೂರ್ವಾಭ್ಯಾಸದ ಮೂಲಕ ಮಾರ್ಗದರ್ಶನ ನೀಡಲಾಯಿತು. ಮಾಡರೇಟರ್ಗಳು ಸ್ಕ್ರೀನ್ಕಾಸ್ಟ್ ಮೂಲಕ ವೀಕ್ಷಿಸಿದರು, ಕಾರ್ಯ ನಿಖರತೆ ಮತ್ತು ಚಲನೆಯ ಸ್ಪಷ್ಟತೆಯನ್ನು ಪರಿಶೀಲಿಸಿದರು ಮತ್ತು ಸಂವೇದಕ ನಡವಳಿಕೆ ಮತ್ತು ಭಾಗವಹಿಸುವವರ ಚಲನೆಯು ಗುಣಮಟ್ಟದ ನಿರೀಕ್ಷೆಗಳನ್ನು ಪೂರೈಸಿದ ನಂತರವೇ ಲೈವ್ ಕ್ಯಾಪ್ಚರ್ಗೆ ಮುಂದುವರೆದರು. ರೆಕಾರ್ಡಿಂಗ್ ಪ್ರಾರಂಭ/ನಿಲುಗಡೆಯನ್ನು ವ್ಯಾಖ್ಯಾನಿಸಲಾದ ಗೆಸ್ಚರ್ ವರ್ಕ್ಫ್ಲೋ ಮೂಲಕ ಕಾರ್ಯಗತಗೊಳಿಸಲಾಯಿತು.
ಗುಣಮಟ್ಟದ ಭರವಸೆ ಮತ್ತು ಮಾದರಿ-ಸಿದ್ಧ ಉತ್ಪನ್ನಗಳು
ರೆಕಾರ್ಡಿಂಗ್ ನಂತರ, ಸೆಷನ್ಗಳನ್ನು ಪರಿಶೀಲನೆಗಾಗಿ ಇತಿಹಾಸದಲ್ಲಿ ಅಪ್ಲೋಡ್ ಮಾಡಲಾಗಿದೆ. ಅಗತ್ಯವಿದ್ದಾಗ ಬಳಸಲಾಗದ ರೆಕಾರ್ಡಿಂಗ್ಗಳನ್ನು ರದ್ದುಗೊಳಿಸುವುದು ಅಥವಾ ಮರುಪಡೆಯುವುದು, ಚಲನೆಯ ಸ್ಪಷ್ಟತೆ, ಕಾರ್ಯದ ನಿಖರತೆ, ದೃಶ್ಯ ಜೋಡಣೆ ಮತ್ತು ಸಂವೇದಕ ನಿಖರತೆಯನ್ನು ಶೈಪ್ ಮೌಲ್ಯೀಕರಿಸಿದರು. ಇದು ಸಾಕಾರಗೊಳಿಸಿದ AI ಮತ್ತು ರೊಬೊಟಿಕ್ಸ್ ತರಬೇತಿಗಾಗಿ ಟಿಪ್ಪಣಿ-ಸಿದ್ಧ, QA-ಪರಿಶೀಲಿಸಲಾದ, ಮಾದರಿ-ಸಿದ್ಧ ಡೇಟಾಸೆಟ್ಗಳ ಕಡೆಗೆ ಹೆಚ್ಚು ವಿಶ್ವಾಸಾರ್ಹ ಮಾರ್ಗವನ್ನು ಸೃಷ್ಟಿಸಿತು.
ಯೋಜನೆಯ ವ್ಯಾಪ್ತಿ
| ಡೇಟಾಸೆಟ್ ಪ್ರಕಾರ | ಭಾಗವಹಿಸುವವರು | ರೆಕಾರ್ಡಿಂಗ್ ವಾಲ್ಯೂಮ್ | ಪರಿಸರಗಳು | ಕಾರ್ಯದ ಪ್ರಮಾಣ | ಕ್ಯಾಪ್ಚರ್ ಸೆಟಪ್ | ಟೈಮ್ಲೈನ್ |
|---|---|---|---|---|---|---|
| ಸ್ವಕೇಂದ್ರಿತ VR ಚಲನೆಯ ಸೆರೆಹಿಡಿಯುವಿಕೆ | ~ 4,000 | 10,000 ಮಾನ್ಯ ಗಂಟೆಗಳು | ಕಚೇರಿ, ಮನೆ, ಕೆಫೆ, ಕಾರ್ಖಾನೆ, ಗೋದಾಮು ಮತ್ತು ಹೆಚ್ಚುವರಿ ನೈಜ-ಪ್ರಪಂಚದ ಪರಿಸರಗಳು | 100 ಗ್ರಾಹಕ-ವ್ಯಾಖ್ಯಾನಿತ ಕಾರ್ಯಗಳು | VR ಹೆಡ್ಸೆಟ್ + 5 ಮೋಷನ್ ಟ್ರ್ಯಾಕರ್ಗಳು | 1 ತಿಂಗಳು |
ಫಲಿತಾಂಶ
- ಇದಕ್ಕಾಗಿ ಸ್ಕೇಲೆಬಲ್ ಡೇಟಾ ಕಾರ್ಯಾಚರಣೆಗಳ ಚೌಕಟ್ಟನ್ನು ಸ್ಥಾಪಿಸಲಾಗಿದೆ 10,000 ಗಂಟೆಗಳ ಭೌತಿಕ AI ತರಬೇತಿ ಡೇಟಾ
- ಪ್ರಮಾಣೀಕರಿಸಲಾಗಿದೆ ದೃಶ್ಯ ಆಡಳಿತ, QR-ಆಧಾರಿತ ಮ್ಯಾಪಿಂಗ್ ಮತ್ತು ಐದು-ಸಂವೇದಕ ಮಾಪನಾಂಕ ನಿರ್ಣಯ ವಿತರಿಸಿದ ಪರಿಸರಗಳಲ್ಲಿ
- ಸಂಗ್ರಹಣಾ ಸ್ಥಿರತೆಯನ್ನು ಸುಧಾರಿಸುವುದು ಮಾಡರೇಟೆಡ್ ರಿಹರ್ಸಲ್, ನೈಜ-ಸಮಯದ ಸ್ಕ್ರೀನ್ಕಾಸ್ಟ್ ವಿಮರ್ಶೆ ಮತ್ತು ಸೆಷನ್-ಮಟ್ಟದ QA
- ಸಕ್ರಿಯಗೊಳಿಸಲಾಗಿದೆ ಕಾರ್ಯ-ಮೌಲ್ಯಮಾಪನ, ಟಿಪ್ಪಣಿ-ಸಿದ್ಧ ಔಟ್ಪುಟ್ಗಳು ಕೆಳಮುಖ ಸಾಕಾರಗೊಂಡ AI, ಸಿಮ್ಯುಲೇಶನ್ ಮತ್ತು ರೊಬೊಟಿಕ್ಸ್ ಮಾದರಿ ಅಭಿವೃದ್ಧಿಗಾಗಿ
- ಗ್ರಾಹಕರನ್ನು ಬಲಪಡಿಸಿದೆ ಸಿಮ್-ಟು-ರಿಯಲ್ ಡೇಟಾ ಪೈಪ್ಲೈನ್ ಉತ್ತಮ ಗುಣಮಟ್ಟದ ಸ್ವಕೇಂದ್ರಿತ ಚಲನೆಯ ಸೆರೆಹಿಡಿಯುವಿಕೆಯೊಂದಿಗೆ
ವೈವಿಧ್ಯಮಯ ನೈಜ-ಪ್ರಪಂಚದ ಪರಿಸರಗಳಿಂದ
ಒಟ್ಟಾರೆಯಾಗಿ, ಶೈಪ್ ಸಂಕೀರ್ಣವಾದ VR ಕ್ಯಾಪ್ಚರ್ ಅಗತ್ಯವನ್ನು ರಚನಾತ್ಮಕ, ಉತ್ಪಾದನೆಗೆ ಸಿದ್ಧವಾದ ಡೇಟಾ ಪೈಪ್ಲೈನ್ ಆಗಿ ಪರಿವರ್ತಿಸಲು ಸಹಾಯ ಮಾಡಿದರು - ಇದು ಬೆಂಬಲಿಸುವ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೊಂದಿದೆ ಭೌತಿಕ AI, ಸಾಕಾರ ಬುದ್ಧಿಮತ್ತೆ ಮತ್ತು ಹುಮನಾಯ್ಡ್ ರೊಬೊಟಿಕ್ಸ್ ಬಲವಾದ ಸ್ಥಿರತೆ, ಪತ್ತೆಹಚ್ಚುವಿಕೆ ಮತ್ತು ಪ್ರಮಾಣದ ಉಪಕ್ರಮಗಳು.
ನಮ್ಮ ಭೌತಿಕ AI ಮಾರ್ಗಸೂಚಿಗಾಗಿ ಡೇಟಾ ಕಾರ್ಯಾಚರಣೆಗಳ ಬೆನ್ನೆಲುಬನ್ನು ನಿರ್ಮಿಸಲು ಶೈಪ್ ನಮಗೆ ಸಹಾಯ ಮಾಡಿದರು. ಅವರ ತಂಡವು ಬಹು-ಪರಿಸರ ಚಲನೆಯ ಸೆರೆಹಿಡಿಯುವಿಕೆ, ಭಾಗವಹಿಸುವವರ ನಿರ್ವಹಣೆ, ದೃಶ್ಯ ಸೆಟಪ್, ಮಾಪನಾಂಕ ನಿರ್ಣಯ ಮತ್ತು QA ಗೆ ರಚನೆಯನ್ನು ತಂದಿತು - ಸಾಕಾರಗೊಳಿಸಿದ AI ಮತ್ತು ಹುಮನಾಯ್ಡ್ ರೊಬೊಟಿಕ್ಸ್ಗಾಗಿ ಸಿಮ್-ಟು-ರಿಯಲ್ ಕಲಿಕೆಯನ್ನು ಬೆಂಬಲಿಸುವ ಮಾದರಿ-ಸಿದ್ಧ ಡೇಟಾಸೆಟ್ಗಳನ್ನು ರಚಿಸಲು ನಮಗೆ ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ.
