AnswersPublished14 sources
Fra fotos til simulerbare verdener: sådan skal Mundo hjælpe robotter
Mundo beskrives som et system, der kan omsætte 1–12 fotos af et sted til en redigerbar 3D scene til robotters udforskning og simulering.[15] Systemets grundidé er at repræsentere objekter og deres fysiske egenskaber i en scene, simulere ændringer og bruge en videomodel til at vise resultatet.[2][12] Hugging Face art...
Udgivet afRedigeret med GPT-6 LunaBilleder genereret med GPT Image 2
Research answer
Key takeaways
- Mundo beskrives som et system, der kan omsætte 1–12 fotos af et sted til en redigerbar 3D scene til robotters udforskning og simulering.[15]
- Systemets grundidé er at repræsentere objekter og deres fysiske egenskaber i en scene, simulere ændringer og bruge en videomodel til at vise resultatet.[2][12]
- Hugging Face artiklen om projektet er dateret 23. oktober 2026.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What is Mundo, the world model unveiled by ACE Robotics and Nanyang Technological University’s S-Lab and reported on October 31, 2026, and h. Article summary: Mundo is a scene-specific world-model system that turns photographs of a real place into an explicit 3D scene that can be explored, edited and simulated, with a video model rendering the results rather than merely genera. Topic tags: general, academic, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, char
Mundo er et projekt inden for såkaldte verdensmodeller: Systemet skal gøre billeder af et bestemt sted til en scene, som robotter kan udforske og interagere med. Ideen er ikke blot at generere en video, men at bygge en redigerbar 3D-model af omgivelserne, simulere hvad der sker, når scenen ændres, og lade en videomodel gengive resultatet.2
12
Først scenen – derefter billedet
Ifølge projektbeskrivelsen bygger Mundo en 3D-proxy af et fotograferet miljø. En scenebeskrivelse registrerer objekter, deres placering og fysiske egenskaber samt regler for, hvordan scenens tilstand ændrer sig over tid.2 Det betyder, at systemets model af et rum er tænkt som mere end en overflade, der ser rigtig ud: Den skal også kunne redigeres og bruges i en simulering.
En sekundær teknisk gennemgang beskriver en arbejdsgang, hvor en fysiksimulator – hovedsageligt MuJoCo – beregner udfaldet, mens en tilpasset videomodel gengiver det visuelt. Gennemgangen angiver, at videomodellen blev tilpasset fra MiniMax-H3’s reference-til-video-system med omkring 40.000 videopar. De konkrete træningsoplysninger fremgår dog ikke af det tilgængelige uddrag fra Hugging Face.12
Hvad fotosene skal bruges til
Pandaily skriver, at Mundo kan omsætte mellem ét og 12 fotos af et virkeligt sted til en redigerbar 3D-scene med fysik, hvor robotters navigation og håndtering af objekter kan gengives.15 Den bredere idé – at opbygge en stedsspecifik verden ud fra billeder – beskrives også i projektets materiale.
2
De tilgængelige kilder forklarer ikke præcist, hvordan systemet behandler ét foto sammenlignet med flere. Ét billede viser ikke alle sider af et rum eller dets genstande, mens flere vinkler kan give flere observationer. Men kilderne her fastslår ikke, hvordan Mundo konkret rekonstruerer geometrien, finder kameraernes position eller udfylder områder, der ikke er synlige på billederne. Den slags detaljer bør derfor betragtes som ubekræftede.
Hvorfor en redigerbar scene kan være nyttig
En eksplicit scenemodel kan gøre det muligt at ændre objekter eller deres egenskaber og derefter afprøve handlinger i et simuleret miljø. En omtale på et robotsite siger, at Mundo kan inddrage fysiske egenskaber som masse og friktion og bruge en fysikmotor til at beregne bevægelse, kontakt og sammenstød. Samme omtale beskriver agenter, der kan redigere objekter, egenskaber og handlinger i scenen.7
Skellet mellem scenens tilstand og dens visuelle fremtoning er centralt: Scenebeskrivelsen rummer objekterne og deres fysiske opførsel, mens videomodellen står for den visuelle gengivelse. Det er en anden vægtning end at lade genererede pixels alene repræsentere omgivelserne.2
12
Hvad kilderne ikke fastslår
Det tilgængelige materiale dokumenterer ikke en række mere detaljerede arbejdsgange, som er nævnt andre steder. Det gælder blandt andet registrering af objekters afgrænsningsbokse, redigering med en vision-language-agent, numerisk optimering, kontrol med en separat agent eller den præcise håndtering af lange kamerature og overlappende videosegmenter.
Kilderne her bekræfter heller ikke konkrete demonstrationer som navigation på et hotel, håndtering af husholdningsgenstande eller tal for rekonstruktionstid, billedhastighed, antal GPU’er og inferensindstillinger. Det samme gælder påstande om små genstande, der svæver, begrænset langtidshukommelse og bestemte billed- eller klipopløsninger.
Den mest forsigtige opsummering er derfor, at Mundo præsenteres som et system, der kombinerer en redigerbar 3D-proxy, fysisk simulering og videogengivelse med henblik på robotters udforskning og interaktion.2
7
12
Hvornår bliver systemet tilgængeligt?
Hugging Face-artiklen om Mundo er dateret 23. oktober 2026.2 Pandaily skrev 31. oktober, at kode og modelvægte var planlagt til udgivelse inden udgangen af november. De tilgængelige oplysninger bekræfter ikke, om udgivelsen siden fandt sted.
15
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Fra fotos til simulerbare verdener: sådan skal Mundo hjælpe robotter"?
Mundo beskrives som et system, der kan omsætte 1–12 fotos af et sted til en redigerbar 3D scene til robotters udforskning og simulering.[15]
What are the key points to validate first?
Mundo beskrives som et system, der kan omsætte 1–12 fotos af et sted til en redigerbar 3D scene til robotters udforskning og simulering.[15] Systemets grundidé er at repræsentere objekter og deres fysiske egenskaber i en scene, simulere ændringer og bruge en videomodel til at vise resultatet.[2][12]
What should I do next in practice?
Hugging Face artiklen om projektet er dateret 23. oktober 2026.