Նորություններ

Էգո տեսախցիկ – գլխին ամրացվող ստերեո տեսողության գործիք՝ ռոբոտների ուսուցման տվյալների հավաքագրման համար

Գլխին ամրացվող երկդիտակ տեսախցիկի մոդուլ, որը նախատեսված է բացառապես մարդկանց ցուցադրական տվյալների հավաքագրման համար: Այն տրամադրում է ապարատային համաժամեցված, գործարանային նախապես կարգավորված եսակենտրոն հում սենսորային տվյալներ՝ իմիտացիոն ուսուցման և մարմնավորված արհեստական ինտելեկտի խողովակաշարերի հզորացման համար:

Ֆիզիկական արհեստական բանականությանը տանջող տվյալների խցանումը

Մինչև 2026 թվականը ռոբոտաշինության ոլորտում ձևավորվել է համընդհանուր կոնսենսուս. տվյալները կարևորագույն խոչընդոտ են, որը խոչընդոտում է ֆիզիկական արհեստական ինտելեկտի մասշտաբային տեղակայմանը: Լեզվական մեծ մոդելները մարզվում են տրիլիոնավոր տեքստային տոկենների վրա, սակայն մարմնավորված արհեստական ինտելեկտի համակարգերը հասանելիություն ունեն այդ ծավալի մեկ տասհազարերորդ մասից էլ պակասին՝ իրական աշխարհի ֆիզիկական փոխազդեցության կադրերում:

Այս անհամապատասխանությունը լուրջ խոչընդոտ է ստեղծում առաջընթացի համար: Առաջատար ռոբոտաշինության լաբորատորիաները գնահատում են, որ առաջադեմ մանիպուլյացիայի քաղաքականության վարժեցումը պահանջում է 100 միլիոնից մինչև 1 միլիարդ ժամ եսակենտրոն առաջին դեմքից նկարահանված տեսանյութեր՝ հաջորդ 2-3 տարիների ընթացքում: Նույնիսկ մեկ առանձին մանիպուլյացիոն առաջադրանքի համար վարժեցման տվյալների հավաքածուները պահանջում են 100,000-ից մինչև 1 միլիոն ժամ գրանցված մարդկային գործունեություն:

Արդյունաբերության մասնագետները համաձայն են, որ եսակենտրոն տվյալների հավաքագրումն ապահովում է ամենաբարձր մասշտաբայնությունը: Փոխանակ հույսը դնելու թանկարժեք հեռակառավարման սարքավորումների վրա, որոնք արժեն տասնյակ հազարավոր ԱՄՆ դոլարներ մեկ միավորի համար, հետազոտական խմբերն ու տվյալների մատակարարներն այժմ օգտագործում են թեթև գլխին ամրացված տեսախցիկներ՝ ցուցադրական կադրեր նկարահանելու համար, մինչ մարդիկ կատարում են բնական առօրյա գործողություններ:

Այս տեղաշարժն արդեն տեսանելի է իրական աշխարհում տեղակայումներում: 2026 թվականի ապրիլին վիրուսային կադրերում երևում էր, որ Հնդկաստանի Դելիի Ազգային Շրի Լանկայի շրջանում հազարավոր տեքստիլ աշխատողներ կրում էին Egolab.AI-ի կողմից արտադրված կոմպակտ գլխին ամրացված տեսախցիկներ: Այս օպերատորներն այժմ ստեղծում են հսկայական եսակենտրոն տեսանյութերի տվյալների հավաքածուներ՝ հաջորդ սերնդի մարդակերպ ռոբոտներին մարզելու համար:

Ինչու է եսակենտրոն առաջին դեմքի տվյալները անփոխարինելի

Ռոբոտները պետք է ընկալեն մարդկանց կողմից ընկալվող ճշգրիտ տեսողական ազդանշանները՝ մարդու շարժիչ հմտությունները ճշգրիտ վերարտադրելու համար: 2025-2026 թվականների միջև հրապարակված հետազոտությունների մի ալիք հաստատում է եսակենտրոն տվյալների բազմությունների փոխակերպող արժեքը.

Մարդկային էգո Յուրաքանչյուր առաջադրանքի համար ընդամենը 30 րոպե մարդկային եսակենտրոն տեսանյութը իրական աշխարհի մանիպուլյացիոն առաջադրանքներում հասնում է միջինում 92.5% հաջողության մակարդակի, ինչը հնարավորություն է տալիս զրոյական հարվածով փոխանցել հմտությունները մարդկանցից ռոբոտներին։

Էգոմիմիկ Մարդկային ցուցադրական տվյալների ինտեգրումը բարձրացնում է առաջադրանքի կատարողականությունը 34%-ով՝ հասնելով 228%-ի՝ համեմատած միայն ռոբոտների կողմից կատարված մարզումների տվյալների հետ: Մեկ ժամ տևողությամբ մարդու ձեռքի լրացուցիչ տեսագրությունը ապահովում է մոդելի շատ ավելի մեծ բարելավում, քան ռոբոտի կողմից ինքնուրույն հավաքված լրացուցիչ տվյալների մեկ ժամվա տեսագրությունը: Մարդ-ռոբոտ հիբրիդային տվյալների հավաքածուները նաև ապահովում են գերազանց մարզման և տեղակայման կատարողականություն, ներառյալ հեռահար հեռակառավարման աշխատանքային հոսքերի տեսագրությունները:

ԷգոՍքեյլ NVIDIA հետազոտողների կողմից մշակված այս շրջանակը օգտագործում է 20,854 ժամ մարդկային եսակենտրոն կադրերի բազմազան տվյալների բազա՝ ընդհանուր առաջադրանքների վրա հմուտ մանիպուլյացիայի հնարավորությունները մասշտաբավորելու համար։

Բաց տարածք Թողարկում է 2000 ժամ տևողությամբ եսակենտրոն տեսանյութերի տվյալների հավաքածու՝ զուգորդված ձեռքի համաժամեցված կինեմատիկայի և ատոմային գործողության ծանոթագրությունների հետ։

Առաջադեմ շրջանակներ Առաջադեմ շրջանակները, ներառյալ EgoGuide-ը և EgoLive-ը, ավելի են հեշտացնում ռոբոտներից զերծ ցուցադրական ձայնագրումը և մեծածավալ եսակենտրոն տվյալների ստեղծումը։

Այս ոլորտի առաջընթացին չնայած, բարձրորակ, եսակենտրոն նկարահանման համար նախատեսված ապարատային լուծումները մնում են մասնատված։ Հետազոտողներն ու տվյալների թիմերը ստիպված են միավորել սպառողական գործողությունների տեսախցիկները, լրացված իրականության ակնոցները և հատուկ պատրաստված սարքավորումները՝ այդ գործընթացում վտանգելով համաժամացման ճշգրտությունը, կարգաբերման հետևողականությունը և երկարատև հարմարավետությունը։

Ego Camera-ի արտադրանքի ակնարկ

Էգո տեսախցիկը գլխին ամրացվող երկդիտակ ստերեո տեսախցիկի մոդուլ է, որը մշակված է զրոյից մինչև վերջ՝ ռոբոտների ուսուցման, մարմնավորված արհեստական ինտելեկտի և իմիտացիոն ուսուցման աշխատանքային հոսքերում եսակենտրոն տվյալների հավաքագրման համար։

Ի տարբերություն հետազոտական նպատակներով օգտագործվող սպառողական գործողությունների տեսախցիկների, Ego Camera-ն նախատեսված է ակադեմիական և արդյունաբերական ռոբոտաշինության համար։ Այն անմիջապես արտածում է մաքուր, սարքային համաժամեցված, գործարանային նախապես կարգավորված հում սենսորային տվյալներ՝ առանց որևէ հետմշակման անհրաժեշտության։

Հիմնական տեխնիկական բնութագրերը

Տեխնիկական բնութագրեր	Մանրամասներ
Պատկերի սենսորներ	Երկակի 2MP գլոբալ փակաղակի CMOS սենսորներ
Հորիզոնական տեսադաշտ (HFOV)	60–65°, համապատասխանում է մարդու բնական տեսողական տիրույթին
Փեղկի տեխնոլոգիա	Գլոբալ փակիչ. վերացնում է պտտվող փակիչի աղավաղումը բարձր արագությամբ շարժման ժամանակ
IMU մոդուլ	6-առանցքային ICM-26888-P (3-առանցքային աքսելերոմետր + 3-առանցքային գիրոսկոպ), 200–500 Հց նմուշառման հաճախականություն
Սինխրոնիզացման մեխանիզմ	GPIO սարքավորման ակտիվացում; կադր-IMU համաժամացման սխալ < 10 միկրովայրկյան
Ժամանակային դրոշմանիշ	Սարքավորման մակարդակի միասնական նանովայրկյանային ժամանակային դրոշմանիշներ յուրաքանչյուր պատկերի կադրի և IMU ցուցմունքի համար
Լարային միջերես	USB 2.0 Type-C, համատեղելի UVC-ի հետ; Windows-ի, Linux-ի և ROS-ի համար նախատեսված խաչաձև հարթակային SDK աջակցություն
Անլար տեղակայում	Ներկառուցված WiFi + MicroSD քարտի հիշողություն; տեսագրությունը առաջնահերթ է տեղական պահեստին, ավտոմատ վերբեռնում ամպային ցանցին վերամիանալու դեպքում
Մոնտաժի ստանդարտ	1/4″-20 պտուտակավոր ամրացման անցքեր, համատեղելի են հետվաճառքային գլխի ամրակների և պատվերով պատրաստված ամրակների հետ
Կալիբրացիա	Գործարանային նախապես կարգավորված ստերեո ներքին/արտաքին պարամետրեր և տեսախցիկ-IMU փոխակերպումներ, որոնք մշտապես պահվում են ներկառուցված ֆլեշ հիշողության մեջ։

Ինչու՞ է գլոբալ փակիչը անընդունելի ռոբոտների ուսուցման համար

Սպառողական տեսախցիկները հենվում են գլանաձև փակաղակի սենսորների վրա, որոնք հաջորդաբար բացահայտում են պիքսելների շարքերը: Մարդու ձեռքի արագ շարժումները, որոնք ցուցադրական կադրերում մշտապես առկա տարր են, ստեղծում են գլանաձև փակաղակի լուրջ արտեֆակտներ, որոնք հայտնի են որպես «ժելեի էֆեկտ». օբյեկտների թեք եզրեր, երկրաչափական ծռվածություն և հատկանիշների անվստահելի հետևում:

Այս աղավաղումները խաթարում են ռոբոտաշինության խողովակաշարերը: VIO ճակատային մասերը, տեսողական SLAM ալգորիթմները և իմիտացիոն ուսուցման քաղաքականությունը չեն կարող հանդուրժել անկանխատեսելի միջկադրային հատկանիշների տեղաշարժերը, որոնք կտրուկ վատթարացնում են մոդելի ընդհանրացումը և իրական աշխարհի առաջադրանքների կատարողականությունը:

Ego Camera-ի գլոբալ փակիչի սենսորը բոլոր պիքսելները միաժամանակ էքսպոնումացնում է մեկ նկարահանման պատուհանում: Յուրաքանչյուր կադր համապատասխանում է միանշանակ կոշտ մարմնի դիրքի՝ զրոյական երկրաչափական աղավաղմամբ, որը պարտադիր չափանիշ է խիստ ռոբոտաշինության հետազոտությունների և առևտրային մոդելների ուսուցման համար:

Քանի որ ոլորտը հետապնդում է ավելի ու ավելի մեծ, եսակենտրոն տվյալների հավաքածուներ (օրինակ՝ EgoLive-ի բազմահազար ժամ տևողությամբ բարձր ճշգրտությամբ ստերեո կադրերի արխիվները, որոնք ընդգրկում են իրական կենցաղային և արդյունաբերական աշխատանքներ), աղավաղումներից զերծ, կադրի ճշգրտությամբ նկարահանման սարքավորումների պահանջարկը շարունակում է աճել։

Սարքավորումների համաժամեցում. ցածրորակ և արտադրական մակարդակի ուսումնական տվյալների միջև եղած տարբերությունը

Երբ մարդիկ կատարում են մանիպուլյացիայի հաջորդականություններ՝ հասնել, բռնել, տեղադրել առարկաներ, ռոբոտի քաղաքականությունը պահանջում է ճշգրիտ ժամանակային համաձայնեցում տեսողական ձեռքի շարժման և իներցիոն մարմնի շարժման միջև: Տեսախցիկի կադրերի և IMU ցուցմունքների միջև նույնիսկ մի քանի միլիվայրկյան տևողությամբ սինխրոնիզացումը աղտոտում է ամբողջ ուսումնական տվյալների հավաքածուները: Ծրագրային ապահովման վրա հիմնված ժամանակային նշման համաձայնեցումը (փափուկ համաժամեցում) կուտակում է տեղաշարժեր ձայնագրման սեանսների ընթացքում և չի համապատասխանում բարձր ճշգրտության VIO և իմիտացիոն ուսուցման խողովակաշարերի ճշգրտության չափանիշներին:

Ego տեսախցիկն օգտագործում է նվիրված GPIO իմպուլս՝ միաժամանակ ակտիվացնելու և՛ երկդիտակ սենսորները, և՛ IMU-ն, ապահովելով 10 միկրովայրկյանից ավելի լավ համաժամեցման ճշգրտություն: Յուրաքանչյուր պատկերի կադր և իներցիոն նմուշ կրում է ընդհանուր ապարատային ժամանակային դրոշմանիշ՝ բավարարելով VIO շրջանակների, այդ թվում՝ VINS-Fusion-ի և OpenVINS-ի, խիստ ժամանակային պահանջները:

Առաջատար մեկնաբանված եսակենտրոն տվյալների հավաքածուները, ինչպիսին է Open-AoE-ն, հիմնված են ապարատային համաժամեցման այս մակարդակի վրա՝ համաժամեցված տեքստային պիտակներ, MANOS-ի վրա հիմնված ձեռքի դիրքի գնահատում, տեսախցիկի հետագծի գրանցամատյաններ և ժամանակային առումով տեղայնացված ատոմային գործողությունների պիտակներ տրամադրելու համար. բոլորն էլ հիմնական արդյունքներ են, որոնք Ego Camera-ն նախագծված է բնիկ կերպով աջակցելու համար։

Գործարանի նախնական կարգավորում. վերացրեք ժամանակատար տեղում կարգավորումը

Ձեռքով կարգաբերումը ներկայացնում է բազմախցիկ տվյալների գրանցման աշխատանքային հոսքերի ամենառեսուրսատար խոչընդոտներից մեկը: Լինզայի ներքին պարամետրերի, ստերեո արտաքին շեղումների և տեսախցիկ-IMU փոխակերպման մատրիցների կարգաբերումը պահանջում է մասնագիտացված օպտիկական սարքավորումներ, տեխնիկական փորձագիտություն և աշխատանքային ժամեր մեկ սարքի համար:

Ego տեսախցիկն ամբողջությամբ վերացնում է այս աշխատանքային հոսքը: Յուրաքանչյուր սարք ենթարկվում է ամբողջական կարգաբերման՝ գործարանից դուրս գալուց առաջ: Բոլոր կարևոր պարամետրերը՝ ֆոկուսային հեռավորությունը, գլխավոր կետի կոորդինատները, աղավաղման գործակիցները, ստերեո արտաքին պարամետրերը և տեսախցիկ-IMU փոխակերպումները, մշտապես գրանցվում են ներկառուցված ֆլեշ հիշողության մեջ:

Հետազոտական խմբերը և տվյալների մատակարարները կարող են սկսել վավերական կադրերի ձայնագրումը տուփը հանելուց հետո հինգ րոպեի ընթացքում՝ առանց շախմատային թիրախների, տրամաչափման սարքավորումների կամ կեսօրյա տրամաչափման սեանսների անհրաժեշտության: Ժամանակակից բարձր չափանիշներով եսակենտրոն տվյալների հավաքածուները պահանջում են գործարանային նախապես տրամաչափված տեսախցիկի սարքավորումներ՝ մի սպեցիֆիկացիա, որը ներկառուցված է անմիջապես յուրաքանչյուր Ego Camera միավորի մեջ:

Երկու տեղակայման ռեժիմ, մեկ միասնական սարքային հարթակ

1. USB լարային ռեժիմ

Միացեք նոութբուքերին կամ աշխատանքային կայաններին՝ իրական ժամանակում ուղիղ նախադիտման և ցածր լատենտությամբ ձայնագրման համար: Օպտիմիզացված է վերահսկվող լաբորատոր միջավայրերի համար, որտեղ հետազոտողները ստուգում են տվյալների որակը պահանջարկի դեպքում: Լիովին աջակցվում է Windows, Linux և ROS ռոբոտաշինության շրջանակների հետ համատեղելի խաչաձև հարթակային SDK-ների կողմից:

2. WiFi + MicroSD քարտի անցանց ռեժիմ

Անկապ ձայնագրություն՝ մեծածավալ բաշխված տվյալների հավաքագրման համար: Բոլոր ձայնագրված կադրերը նախ գրանցվում են տեղական MicroSD կրիչի վրա՝ ցանցի անջատումների ժամանակ տվյալների կորուստը կանխելու համար. կապի վերականգնումից հետո ֆայլերը ավտոմատ կերպով համաժամեցվում են հեռավոր ամպային սերվերների կամ տեղական տվյալների պահեստների հետ: Հիանալի է խոհանոցներում, արտադրական արհեստանոցներում, գրասենյակներում և այլ իրական միջավայրերում բազմատեսարանային ձայնագրման համար՝ հազարավոր ժամերի ցուցադրական կադրեր ստեղծելու համար:

Կառուցվածքային հում տվյալների ելք (առանց ներկառուցված արհեստական բանականության մշակման)

Սարքը արտածում է անփոփոխ, մաքուր հում սենսորային տվյալներ՝ առանց ներկառուցված պատկերի հարթեցման, ավտոմատ մեկնաբանման կամ սարքի վրա արհեստական ինտելեկտի կողմից եզրակացության՝ պահպանելով ամբողջական հում տվյալների ճշգրտությունը՝ հատուկ ուսումնական խողովակաշարերի մեջ ինտեգրվելու համար։

left_video.mp4 / աջ_տեսանյութ.mp4Սինխրոնացված ստերեո երկդիտակ տեսանյութերի հոսքեր
imu_6axis.csv6-առանցքային իներցիոն չափման գրանցամատյաններ (աքսելերոմետր + գիրոսկոպ)՝ պիտակավորված սարքավորումների ժամանակային նշագրերով
timestamps_ns.txtՄիասնական նանովայրկյանային ապարատային ժամանակային դրոշմանիշներ բոլոր պատկերի կադրերի և IMU նմուշների համար
calibration_params.yamlԳործարանում պատրաստված ներքին, արտաքին և տեսախցիկի IMU կալիբրացման փոխակերպումներ

Նպատակային օգտատերերի հատվածներ

Մարմնավորված արհեստական բանականություն և իմիտացիոն ուսուցման ակադեմիական հետազոտական լաբորատորիաներ

Մարդանման ռոբոտների և հմուտ մանիպուլյատորային ռոբոտաշինության արտադրողներ

Մասնագիտացված տվյալների ծառայությունների մատակարարներ, որոնք ստեղծում են ֆիզիկական արհեստական բանականության հաճախորդների համար նախատեսված ուսումնական տվյալների հավաքածուներ

Հետազոտությունների և զարգացման թիմերը մշակում են VIO և տեսողական SLAM ալգորիթմներ

Ռոբոտաշինության թիմերը մասշտաբային եսակենտրոն ցուցադրական տվյալների հավաքագրման աշխատանքային հոսքեր են ընդլայնում

Հրապարակման ժամանակը. Օգոստոսի 11-2026