\n<\/p>\n
Si la IA va a salir del cuadro de chat y llegar a nuestras salas de estar, deber\u00e1 comprender mejor los espacios y los objetos. Para promover ese trabajo, el Instituto Allen para la IA ha creado una base de datos gigantesca y diversa de modelos 3D de objetos cotidianos, por lo que las simulaciones de los modelos de IA pueden estar mucho m\u00e1s cerca de la realidad.<\/p>\n
Los simuladores son b\u00e1sicamente entornos 3D destinados a representar lugares reales que un robot o una IA podr\u00edan tener que navegar o comprender. Pero a diferencia de, digamos, un juego de consola moderno, los simuladores de entrenamiento est\u00e1n lejos de ser fotorrealistas y, a menudo, carecen de detalles, variaciones o interactividad.<\/p>\n
Objaverse, como se llama torpemente pero de alguna manera agradable, tiene como objetivo mejorar esto con su colecci\u00f3n de m\u00e1s de 800,000 (y creciendo) modelos 3D con todo tipo de metadatos. Las cosas representadas van desde tipos de alimentos hasta mesas y sillas, electrodom\u00e9sticos y aparatos. Aqu\u00ed se representa cualquier objeto relativamente ordinario que esperar\u00eda ver en una casa, oficina o restaurante.<\/p>\n
Est\u00e1 destinado a reemplazar las bibliotecas de objetos antiguos como ShapeNet, una antigua base de datos en espera con alrededor de 50,000 modelos menos detallados. Si la \u00fanica \u00abl\u00e1mpara\u00bb que ha visto su IA es una gen\u00e9rica sin patr\u00f3n ni color, \u00bfc\u00f3mo puede esperar que reconozca una de cristal tallado o una con una forma totalmente diferente? Objaverse incluye variaciones de objetos comunes para que el modelo pueda aprender qu\u00e9 los define a pesar de sus diferencias.<\/p>\n
Claro, probablemente no ser\u00e1 necesario que su asistente de IA identifique una estanter\u00eda como \u00abmedieval\u00bb o no, pero definitivamente deber\u00eda saber la diferencia entre un pl\u00e1tano pelado y sin pelar. Pero nunca se sabe lo que puede importar.<\/p>\n
Cr\u00e9ditos de imagen:<\/strong> AI2<\/p>\n<\/div>\n El uso de im\u00e1genes fotorrealistas (capturadas mediante fotogrametr\u00eda, est\u00e1 claro) tambi\u00e9n brinda un nivel de diversidad y realismo que es obvio en retrospectiva. Claro, todas las camas se ven m\u00e1s o menos iguales, pero \u00bfqu\u00e9 pasa con las camas sin hacer? \u00a1Todo diferente!<\/p>\n Tener objetos que tambi\u00e9n se animan para hacer su \u00abcosa principal\u00bb tambi\u00e9n es \u00fatil. Saber c\u00f3mo se ve un refrigerador, gabinete, libro, computadora port\u00e1til o puerta de garaje cerrada es una cosa y abierta es otra, pero \u00bfc\u00f3mo se llega de A a B? Suena simplista, pero si a los modelos de IA no se les proporciona esta informaci\u00f3n, es poco probable que la inventen o la intuyan.<\/p>\n Puede leer m\u00e1s sobre las caracter\u00edsticas y los detalles de este enorme conjunto de datos en el art\u00edculo de AI2 que lo describe. Si eres investigador, puedes comenzar a usarlo ahora gratis a trav\u00e9s de Hugging Face.<\/p>\n<\/p><\/div>\n