De acordo com pt.wedoany.com-Em 10 de junho, a StarDust Intelligence e a Bodeng Intelligent firmaram um pedido de mil unidades e uma parceria estratégica. As duas empresas planejam concluir a implantação em larga escala e a operação estável dos robôs de acionamento por cabo da StarDust Intelligence até 2026, construindo conjuntamente um "Motor de Dados do Mundo Real" voltado para a inteligência incorporada, superando de forma sistemática o gargalo crítico da transição de modelos da simulação para a realidade.
Atualmente, a aquisição de dados para inteligência incorporada depende principalmente de caminhos como teleoperação com robôs reais, demonstração humana portátil (UMI/Ego, etc.), captura de movimento, síntese de simulação e vídeos/imagens da internet. No entanto, problemas como a escassez de dados multimodais do mundo físico, a raridade de dados operacionais de alta qualidade e a lacuna significativa de Sim2Real nos dados de simulação tornaram-se gargalos críticos que restringem o desenvolvimento do setor. Estima-se que o treinamento de modelos de inteligência incorporada exija até centenas de petabytes de dados de interação física, com uma lacuna atual superior a 99%.
As duas partes construirão um motor de dados do mundo real em escala de mil unidades por meio de três iniciativas principais. A primeira é construir uma "Rede de Coleta de Dados de Inteligência Incorporada" distribuída, formando um sistema de ciclo fechado de dados em operação contínua, com implantação inicial em regiões-chave como Guangdong e Anhui, estabelecendo um mecanismo de iteração cíclica de "coleta de dados — verificação de qualidade — anotação de dados — treinamento de modelo — validação no mundo real". A segunda é coletar múltiplos tipos de dados com base no mundo físico real, focando em cenários complexos e não padronizados, como residências, varejo e serviços comerciais, acumulando continuamente dados operacionais de alto valor que abrangem informações multimodais, interação com múltiplos objetos, sequências de ações contínuas e múltiplas condições espaciais. Com base no feedback do treinamento de modelos, as estratégias de coleta de dados serão continuamente otimizadas, introduzindo tarefas de treinamento de maior complexidade e mais desafiadoras. A terceira é estabelecer uma meta de capacidade anual de dados na escala de milhões de horas, expandindo continuamente a escala de dados de alta qualidade por meio de processos padronizados de produção e processamento de dados.
A StarDust Intelligence, como uma empresa de inteligência incorporada centrada em IA, construiu um sistema autodesenvolvido de pilha completa "Modelo de IA — SO Incorporado — Corpo de Acionamento por Cabo". Os dados gerados por seus robôs reais atendem naturalmente às necessidades de treinamento de IA, apresentando características como alta diversidade, alta antropomorfia e operações reproduzíveis (alta precisão de repetibilidade de posicionamento), garantindo a qualidade dos dados e o valor do treinamento desde a origem, transformando "coletar muito" em "usar bem". A Bodeng Intelligent, como construtora da infraestrutura de IA do mundo real nesta cooperação, desenvolveu de forma independente plataformas principais como BRIC Robo, BASE Omni e Blink, construindo um sistema de motor de treinamento totalmente automatizado, compatível com múltiplos modos de coleta, como teleoperação, Ego, UMI, captura de movimento e colaboração multi-robô. Apoiando-se em três capacidades principais — inspeção automatizada de qualidade, verificação de consistência física e pipeline inteligente de dados — a Bodeng Intelligent impulsiona a produção de dados do mundo real de um "modo manual e extensivo" para um "modo eficiente, engenheirado, automatizado e industrializado", aumentando significativamente a precisão dos dados e a eficiência da iteração.
Esta cooperação utiliza os dados de robôs reais da StarDust Intelligence como base de qualidade, o sistema de motor de treinamento totalmente automatizado da Bodeng Intelligent como centro de eficiência, e a rede de coleta de dados em escala de mil unidades e a capacidade anual de milhões de horas como suporte de escala, acelerando o ciclo fechado do volante de dados de "treinamento real — iteração de modelo — atualização de produto". Olhando para o futuro, as duas partes tomarão cenários reais complexos como ponto de partida, acumulando soluções generalizáveis e transferíveis por meio da iteração coordenada de dados e modelos, criando um modelo escalável e replicável de implantação em larga escala de inteligência incorporada, e construindo conjuntamente uma infraestrutura Physical AI confiável, aberta e sustentável.
Este texto foi elaborado por Wedoany. Qualquer citação por IA deve indicar a fonte “Wedoany”. Em caso de infração ou outros problemas, informe-nos prontamente, por favor. O conteúdo será corrigido ou removido. E-mail: news@wedoany.com
