200 कार्य, 17 मिलियन फ्रेम: दक्सिया रोबोट ने L5-स्तरीय एम्बॉडेड डेटासेट ACE-Data-0 को ओपन-सोर्स किया, असली घरों को रोबोट के लिए भौतिक दुनिया की पाठ्यपुस्तकों में बदल दिया

Daxia Robot ने Nanyang Technological University की S-Lab के साथ मिलकर ACE-Data-0 डेटासेट को ओपन-सोर्स किया है, जो L5-स्तर का एक मल्टीमोडल एम्बॉडीड फिजिकल इंटेलिजेंस डेटासेट है। यह डेटासेट दुनिया के पहले एम्बॉडीड मॉडल्स के लिए इंफॉर्मेशन डेंसिटी लॉ (सूचना घनत्व नियम) और ह्यूमन-सेंटर्ड एनवायरनमेंटल डेटा कलेक्शन स्कीम 2.0 पर आधारित है, तथा इसे तैयार करने में एनवायरनमेंटल कलेक्शन इंजन ACE का उपयोग किया गया है। ACE-Data-0 में 1.7 करोड़ (17 मिलियन) वीडियो फ्रेम्स, 200 टास्क श्रेणियां, 50 प्रतिभागी, 2 वास्तविक घरेलू सेटिंग्स, और 75,000 इंटरैक्शन सेगमेंट्स शामिल हैं, जो एटॉमिक-लेवल के मानव-वस्तु इंटरैक्शन, लंबे समय तक चलने वाली घरेलू गतिविधि श्रृंखलाओं, और मानव-दृश्य इंटरैक्शन को कवर करते हैं। डेटा को फर्स्ट-पर्सन वीडियो, मल्टी-व्यू थर्ड-पर्सन वीडियो, पूरे शरीर और हाथों की गतिविधि, वस्तुओं के छह-डिग्री-ऑफ-फ्रीडम (6DoF) प्रक्षेप पथ, मल्टी-चैनल ऑडियो, और स्पर्श (टैक्टाइल) संकेतों से एक साथ कैप्चर किया गया है, और इन सभी को एक साझा टाइमलाइन तथा स्थानिक समन्वय प्रणाली (कोऑर्डिनेट सिस्टम) के अनुरूप संरेखित किया गया है। यह डेटासेट दो पूरक कलेक्शन सिस्टम का उपयोग करता है: सूक्ष्म हाथ-वस्तु इंटरैक्शन के लिए एक टेबलटॉप-स्केल सिस्टम, और संपूर्ण कमरे की गतिविधियों के लिए एक रूम-स्केल सिस्टम, जो साझा कैलिब्रेशन और सिंक्रोनाइज़ेशन का उपयोग करते हैं। स्क्रिप्टेड कलेक्शन के विपरीत, ACE-Data-0 गोल-लेवल निर्देशों का उपयोग करता है, जिससे प्रतिभागी वस्तुओं, क्रमों और रास्तों को स्वतंत्र रूप से चुन सकते हैं, जिससे झिझक और पीछे मुड़ने जैसी स्वाभाविक विविधताएं बरकरार रहती हैं। इस डेटासेट के आधार पर Daxia ने एम्बॉडीड परसेप्शन के लिए एक तीन-स्तरीय मूल्यांकन बेंचमार्क तैयार किया है, जो मॉडल्स को कॉन्टैक्ट सेंसिंग, स्टेट रिकवरी, और हाथ-वस्तु इंटरैक्शन समझ के आधार पर परखता है। 30 से अधिक प्रमुख तरीकों (मेथड्स) के मूल्यांकन से पता चलता है कि संपर्क (कॉन्टैक्ट), गंभीर अवरोधन (ऑक्लूज़न), स्व-गति (इगोमोशन), अत्यधिक व्यूपॉइंट्स, और लंबी अवधि के कार्यों (लॉन्ग-होराइज़न टास्क्स) में क्षमताओं में उल्लेखनीय अंतर मौजूद है। यह डेटासेट इमिटेशन लर्निंग, वर्ल्ड मॉडल्स, विज़न-लैंग्वेज-एक्शन (VLA) मॉडल्स, रोबोट पॉलिसी लर्निंग, और मानव डेमोंस्ट्रेशन से विभिन्न रोबोट एम्बॉडिमेंट्स में ट्रांसफर को सहायता प्रदान करने के लिए डिज़ाइन किया गया है।