Op 29 mei, vanmorgen, heeft het nationale en lokale co -geconstrueerde Humanoid Robot Innovation Center en het Future Information Innovation Institute of Fudan University officieel 's werelds eerste generatieve Humanoid Robot Motion Model uitgebracht - "Mindloong" (Mindloonggpt) .
Het Mindloong-model neemt "Natural Language Drive" als kern en bouwt een complete gesloten lus van multimodale input tot high-fidelity-bewegingsgeneratie, ondermijnt het traditionele bewegingscontroleparadigma .
Met andere woorden, gebruikers hoeven geen professionele termen te leren of complexe software te bedienen . Ze hoeven alleen instructies te geven zoals praten met mensen, zoals "een kopje koffie overhandigen in een elegante houding", "zwaaiend" of een referentievideo uploaden . Het Mindloong-model kan automatisch de semantische acties en de ondersteuning van de Semantics en de ondersteuning van de Semantics en de ondersteuning van de Semantics en het uploaden van de Semantics en de ondersteuning van de Semantics. instructies .
Deze mogelijkheid is subversief op het gebied van onderwijs- en servicerobots . Er is gemeld dat het Mindloong -model vier technische kernvoordelen heeft:
Eerst multimodale interactie en lage drempelaandrijving . gebruikers hoeven alleen maar te rijden met natuurlijke taal, en het model kan "luisteren naar alle acties" .
Ten tweede zijn de simulatiegraad en de timingconsistentie dubbele doorbraken . door menselijke bewegingen te beschouwen als "timingtaal", de gegenereerde hardloop-, dans- en andere bewegingen zijn niet alleen soepel en natuurlijk, maar behouden ook het inertiële ritme van het echte menselijk lichaam .}
Ten derde worden zowel structuurgeneratie als detailoptimalisatie evenveel belang gegeven . Het model hanteert een gefaseerde generatiestrategie, het bereiken van millimeter-niveau precisiecontrole van globale houding naar lokale gezamenlijke hoeken .
Fourth, lightweight design enables a wide range of scenarios. While ensuring performance, the volume of the MindLoongGPT model is compressed to 1/3 of the same type of products, and can run in real time on embedded platforms such as educational robots and smart wearable devices, paving the way for industrial implementation.