قدم باحثون من جامعة محمد بن زايد للذكاء الاصطناعي نموذج «Ground3D-LMM» لتحليل مشاهد ثلاثية الأبعاد باستخدام اللغة، بما في ذلك تحديد الأشياء وأجزائها وتقدير المسافات والأبعاد.
التفاصيل والسياق
يستند النموذج إلى تمثيلات هندسية سحابية للنقاط مع نموذج متعدد الوسائط، وتدريبه على مجموعة بيانات تجمع أمثلة لمشاهد داخلية وملايين أزواج الأسئلة والإجابات المولدة والمراجعة.
أظهرت اختبارات البحث أداء تنافسيًا في مهام محددة، لكنها لا تثبت جاهزية النموذج لإدارة روبوتات فعلية داخل المنازل أو المصانع من دون تحقق إضافي من السلامة والاستشعار.
لماذا يهم هذا التطور؟
يقرب العمل بين اللغة والإدراك الهندسي، وهو اتجاه مهم عندما تحتاج الأنظمة إلى التعامل مع العالم المادي بدل الاكتفاء بإجابات نصية عامة.
يرتبط فهم هذه القضية بالتمييز بين ما أعلنته الجهة صاحبة المصدر، وبين النتائج التي جرى التحقق منها على أرض الواقع. ولهذا تستند هذه التغطية إلى الروابط الأصلية الواردة أدناه، دون إضافة أرقام أو نتائج غير منشورة.
