Drei chinesische Unternehmen schließen sich zusammen, um die weltweit erste Million Stunden an verkörperten Daten aufzubauen
Riemann Dynamics, Noitom Robotics und Lightwheel AI bauen gemeinsam eine Dateninfrastruktur für verkörperte Intelligenz auf, mit dem Ziel, bis Ende 2026 die weltweit erste Sammlung von einer Million Stunden Robotertrainingsdaten abzuschließen. Die Zusammenarbeit verbindet Datenerfassung, Simulation, Training und Auswertung zu einem geschlossenen Kreislauf und adressiert so den Skalierungs-Engpass in der verkörperten KI.
Riemann Dynamics, das kürzlich sowohl in der Simulation als auch in realen Tests den Spitzenplatz erreichte, hat sich mit Noitom Robotics und Lightwheel AI zusammengetan, um eine Datenbasis für verkörperte Intelligenz aufzubauen. Die drei Unternehmen werden Sammlung, Simulation, Training und Evaluierung in einer einheitlichen Pipeline integrieren, wobei Riemann Dynamics bis Ende 2026 eine Million Stunden an Robotertrainingsdaten sammeln möchte. Das Ziel ist, die derzeitige globale Schätzung von hochwertigen Interaktionsdaten für verkörperte Intelligenz (etwa 500.000 Stunden) zu verdoppeln. Riemann Dynamics hat sein Modell Riemann-1.0 bereits mit 232.000 Stunden an Daten trainiert und damit den Ansatz validiert. Die Zusammenarbeit adressiert den Datenengpass der Branche: unzureichende Mengen und strenge Qualitätsanforderungen, da verkörperte Daten aus verschiedenen Quellen stammen, wie reale Robotersammlung, Teleoperation, Wearables und Simulation, die jeweils ihre eigenen Einschränkungen haben. Noitom Robotics, ein führendes Unternehmen im Bereich Motion Capture mit einem globalen Marktanteil von 70 Prozent, liefert reale menschliche Aktionsdaten; Lightwheel AI, das erste Einhorn im Bereich verkörperter Daten, bietet Simulations- und Evaluierungsplattformen; Riemann Dynamics, das aus dem Matrix-Weltmodell-Team von Kunlun Wanwei hervorgegangen ist, übernimmt das Modelltraining. Die Partnerschaft zielt darauf ab, ein offenes, standardisiertes Datenökosystem zu schaffen, mit gemeinsamen Standards und Open-Source-Daten, ähnlich wie NVIDIAs Physical AI Data Factory und Waymos Closed-Loop-Ansatz im autonomen Fahren.
Quelle: QbitAI 量子位 —
Original
