200 Görev, 17 Milyon Kare: Daxia Robot, L5 Seviyesi Gömülü Veri Seti ACE-Data-0'ı Açık Kaynak Olarak Yayınladı ve Gerçek Evleri Robotlar İçin Fiziksel Dünya Ders Kitaplarına Dönüştürüyor

Daxia Robot, Nanyang Technological University'nin S-Lab birimiyle iş birliği yaparak, L5 seviyesinde çok modlu (multimodal) somutlaşmış fiziksel zekâ veri seti olan ACE-Data-0'ı açık kaynak olarak yayınladı. Somutlaşmış modeller için dünyanın ilk bilgi yoğunluğu yasası ve insan merkezli çevresel veri toplama şeması 2.0 üzerine inşa edilen veri seti, ACE adlı çevresel toplama motorundan güç alıyor. ACE-Data-0; 17 milyon video karesi, 200 görev kategorisi, 50 katılımcı, 2 gerçek ev sahnesi ve 75.000 etkileşim segmenti içeriyor ve atomik düzeyde insan-nesne etkileşimlerini, uzun ufuklu (long-horizon) ev içi etkinlik zincirlerini ve insan-mekân etkileşimlerini kapsıyor. Veriler; birinci şahıs video, çok açılı üçüncü şahıs video, tam vücut ve el hareketleri, nesnelerin altı serbestlik derecesine sahip yörüngeleri, çok kanallı ses ve dokunsal (taktil) sinyaller olmak üzere eş zamanlı olarak yakalanıyor ve tümü tek bir zaman çizelgesi ile mekânsal koordinat sistemine hizalanıyor. Veri seti, birbirini tamamlayan iki toplama sistemi kullanıyor: ince ayrıntılı el-nesne etkileşimleri için masa üstü ölçekli bir sistem ve tüm oda içi etkinlikler için oda ölçekli bir sistem; her iki sistem de ortak kalibrasyon ve senkronizasyona sahip. Senaryoya bağlı klasik toplama yöntemlerinin aksine, ACE-Data-0 hedef düzeyinde talimatlar kullanıyor; bu da katılımcıların nesneleri, sıralamaları ve yolları özgürce seçmesine imkân tanıyarak tereddüt ve geri dönüş gibi doğal değişkenlikleri koruyor. Bu veri seti temelinde Daxia, somutlaşmış algı için üç seviyeli bir değerlendirme kıstası (benchmark) oluşturdu; bu kıstas modelleri temas algısı, durum kurtarma (state recovery) ve el-nesne etkileşimi anlama açısından test ediyor. 30'dan fazla önde gelen yöntemin değerlendirmesi, temas, ağır tıkanma (occlusion), öz-hareket (egomotion), aşırı bakış açıları ve uzun ufuklu görevlerde önemli yetenek boşlukları olduğunu gösteriyor. Veri setinin; taklit yoluyla öğrenme (imitation learning), dünya modelleri, Görme-Dil-Eylem (Vision-Language-Action, VLA) modelleri, robot politika öğrenimi ve insan gösterimlerinden farklı robot bedenlerine (embodiment) aktarım süreçlerini desteklemesi hedefleniyor.