AnswersPublished25 sources
Mengapa WITA-Omni AgiBot Raih 85.21 dalam Daily-Omni
AgiBot melaporkan WITA Omni Preview memperoleh ketepatan purata 85.21% dalam Daily Omni serta menduduki tempat pertama atau seri pertama bagi enam daripada lapan ukuran. Daily Omni menilai penaakulan audio visual yang diselaraskan mengikut masa, termasuk memadankan bunyi dengan kejadian visual, memahami turutan peri...
Diterbitkan olehDisunting dengan GPT-5.6 TerraImej dijana dengan GPT Image 2
Research answer
Key takeaways
- AgiBot melaporkan WITA Omni Preview memperoleh ketepatan purata 85.21% dalam Daily Omni serta menduduki tempat pertama atau seri pertama bagi enam daripada lapan ukuran.
- Daily Omni menilai penaakulan audio visual yang diselaraskan mengikut masa, termasuk memadankan bunyi dengan kejadian visual, memahami turutan peristiwa dan membuat penaakulan merentas modaliti.
- AgiBot menyifatkan WITA Omni sebagai sistem Thinker–Talker–Actor yang menyelaraskan penaakulan multimodal, pertuturan berstrim dan tingkah laku fizikal ekspresif pada garis masa yang sama.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: How did AgiBot’s WITA-Omni Preview full-modal model achieve a leading 85.21 score and six first-place results out of eight indicators on the. Article summary: AgiBot’s result is best understood as a strong benchmark outcome enabled by native audio-video temporal reasoning, not as independently proven evidence of superior real-world robot intelligence. Daily-Omni is designed to. Topic tags: general, general web, user generated, academic. 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
AgiBot melaporkan bahawa WITA-Omni Preview mencapai skor purata 85.21% dalam penanda aras penaakulan audio-visual Daily-Omni, mendahului enam daripada lapan ukuran yang dilaporkan berbanding sistem daripada Qwen, Gemini, Doubao dan NVIDIA. 1
18
23 Penjelasan yang paling munasabah bukan semata-mata saiz model, tetapi kesepadanan antara reka bentuk serta fokus latihannya dengan perkara yang diuji oleh Daily-Omni: mengaitkan bunyi, kejadian visual dan masa kejadian.
Ini ialah kemajuan yang penting untuk AI multimodal. Namun, skor tersebut belum membuktikan bahawa robot yang menggunakan model ini boleh beroperasi dengan andal dalam persekitaran sosial atau fizikal terbuka yang serba tidak menentu.
Apa sebenarnya yang diuji oleh Daily-Omni?
Daily-Omni ialah penanda aras soal jawab audio-visual yang menguji penaakulan multimodal dengan penjajaran masa. Set datanya mengandungi 684 video kehidupan harian dan 1,197 soalan aneka pilihan merentas enam jenis tugasan. 17
27
Cabaran utamanya bukan sekadar mengenal pasti objek dalam bingkai video atau menyalin pertuturan. Model perlu menentukan kejadian visual dan audio yang berlaku serentak, memahami susunannya, kemudian menggunakan bukti daripada kedua-dua modaliti untuk menjawab soalan. Jadual awam penanda aras ini meliputi penjajaran audio-visual, perbandingan, kefahaman konteks, turutan peristiwa, inferens, penaakulan serta set video 30 dan 60 saat. 20
23
Dengan kata lain, model mungkin perlu membezakan dua aksi yang kelihatan hampir sama tetapi menghasilkan bunyi berlainan — atau mengenal pasti sama ada sesuatu bunyi berlaku sebelum, ketika atau selepas aksi yang kelihatan pada skrin.
Mengapa pendekatan WITA-Omni sesuai dengan ujian ini
AgiBot menyatakan WITA-Omni Preview ialah model penuh-modaliti berasaskan AI berjasad (embodied AI) yang dibina untuk memahami teks, imej, audio dan video secara bersama. 5
9 Penekanan ini sepadan terus dengan reka bentuk Daily-Omni, yang memberi ganjaran kepada model yang mengekalkan hubungan antara modaliti dan sepanjang masa, bukan memproses audio serta video sebagai input yang terpisah.
17
20
Prestasi yang dilaporkan sangat kuat khususnya dalam penjajaran audio-visual, perbandingan, turutan peristiwa serta set video 30 dan 60 saat. 1
18 Inilah kategori yang sepatutnya mendapat manfaat apabila model mengekalkan gambaran bersama tentang apa yang berlaku, apa yang didengar dan bila ia berlaku.
AgiBot dan laporan mengenainya turut menyebut latihan menggunakan puluhan juta jam data multimodal terbuka serta proprietari, termasuk data yang mengekalkan masa semula jadi antara pertuturan, imej, pergerakan dan ekspresi. 5
6
9 Namun, laporan awam tidak memberikan saiz model, campuran data latihan lengkap, kajian ablation, tetapan inferens atau butiran penilaian yang boleh diulang secara bebas. Oleh itu, tidak wajar mengaitkan skor 85.21 itu kepada satu keputusan teknikal tertentu; penjelasan ini munasabah, tetapi belum dibuktikan secara muktamad.
Thinker–Talker–Actor: model selari untuk interaksi berjasad
AgiBot menerangkan WITA-Omni melalui seni bina Thinker–Talker–Actor, yang memperluas corak penaakulan-dan-pertuturan kepada keluaran fizikal dan ekspresif. 5
12
- Thinker menjalankan inferens multimodal merentas teks, imej, bunyi dan video, sambil mengekalkan tafsiran tentang suasana serta interaksi.
15
- Talker menghasilkan bahasa sebagai pertuturan berstrim, jadi sistem tidak perlu menunggu keseluruhan respons siap sebelum mula bersuara.
8
9
- Actor mengendalikan gerakan fizikal dan keluaran ekspresif seperti gestur serta ekspresi wajah.
5
Matlamat reka bentuk yang dilaporkan ialah penyegerakan: pertuturan, tindakan dan ekspresi disusun pada satu garis masa, bukannya dihasilkan sebagai peringkat yang terpisah. 12
Mengapa satu garis masa boleh mengurangkan kelewatan yang dirasai
Dalam susunan robotik konvensional, proses lazimnya bersifat bersiri: persepsi menghasilkan tafsiran, sistem bahasa membina jawapan, perancang memilih tindakan, kemudian lapisan animasi atau kawalan melaksanakannya. Setiap serahan antara komponen boleh menambah masa menunggu dan menyebabkan kata-kata, gestur serta gerakan robot kelihatan tidak sepadan.
Susunan Thinker–Talker–Actor secara selari bertujuan mengurangkan corak berhenti-dan-tunggu itu. Ketika model terus mentafsir kata-kata, gerakan dan persekitaran seseorang, ia boleh mula memberi pengakuan secara lisan dan menjadualkan ekspresi fizikal yang sepadan. Secara prinsip, ini boleh menjadikan giliran bercakap lebih semula jadi serta meningkatkan keselarasan antara apa yang disebut robot dan cara ia bergerak.
Walau bagaimanapun, manfaat itu ialah rasional seni bina, bukan pengukuran bebas yang telah disahkan. Sumber yang tersedia menerangkan keluaran terselaras, tetapi tidak memberikan angka pengurangan kependaman hujung ke hujung. 12
Peranan GE-Sim 2.0 dan perkakasan robot
WITA-Omni hanyalah satu lapisan dalam cadangan AI berjasad AgiBot yang lebih luas. GE-Sim 2.0 (Genie Envisioner-Sim 2.0) ialah simulator dunia video gelung tertutup untuk manipulasi robot. Dengan bingkai sejarah berbilang pandangan dan trajektori tindakan, ia menjana unjuran masa depan berbilang pandangan yang selaras dengan tingkah laku robot yang ditetapkan. Projek ini menyatakan ia dilatih semula menggunakan data robot dunia sebenar berskala besar, termasuk teleoperasi, interaksi yang kaya sentuhan dan pelaksanaan dasar pada robot. 11
Secara konsep, tiga komponen itu mempunyai tugas berbeza:
- Simulasi dunia: GE-Sim 2.0 boleh memodelkan kemungkinan hasil tindakan untuk penilaian dan kerja dasar gelung tertutup.
11
- Interaksi multimodal: WITA-Omni boleh mentafsir konteks audio-visual, membuat penaakulan, bertutur dan menyelaras tingkah laku ekspresif.
12
- Penjelmaan fizikal: Perkakasan robot menyediakan penderia dan penggerak untuk melihat, mendengar serta bertindak dalam dunia sebenar.
AgiBot juga menyatakan GE-Sim 2.0 mendahului penanda aras WorldArena. Namun, kedudukan itu ialah dakwaan syarikat dalam bahan yang tersedia dan perlu dinilai secara berasingan daripada keputusan Daily-Omni. 4
36
Apa yang skor 85.21 buktikan — dan apa yang tidak
Keputusan Daily-Omni ialah petunjuk berguna bahawa WITA-Omni berprestasi baik dalam kelas tugasan penaakulan audio-video mengikut masa yang khusus. Keupayaan mengaitkan pertuturan, bunyi persekitaran, tindakan yang kelihatan dan masa memang relevan untuk interaksi manusia-robot. 17
27
Tetapi skor penanda aras tidak membuktikan kesediaan untuk penggunaan dunia sebenar secara boleh dipercayai. Ia tidak secara langsung mengukur keselamatan kawalan, ketahanan manipulasi, pemulihan daripada kesilapan, perancangan jangka panjang, kesesuaian sosial merentas budaya atau kebolehpercayaan dalam keadaan baharu.
Kesimpulan yang paling tepat adalah lebih terhad: penerajuan WITA-Omni yang dilaporkan adalah selari dengan model yang direka untuk pemahaman dan ekspresi multimodal yang disegerakkan. Untuk menukar kelebihan itu kepada robot yang benar-benar boleh dipercayai di ruang sosial tidak berstruktur, bukti melangkaui Daily-Omni masih diperlukan.
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 "Mengapa WITA-Omni AgiBot Raih 85.21 dalam Daily-Omni"?
AgiBot melaporkan WITA Omni Preview memperoleh ketepatan purata 85.21% dalam Daily Omni serta menduduki tempat pertama atau seri pertama bagi enam daripada lapan ukuran.
What are the key points to validate first?
AgiBot melaporkan WITA Omni Preview memperoleh ketepatan purata 85.21% dalam Daily Omni serta menduduki tempat pertama atau seri pertama bagi enam daripada lapan ukuran. Daily Omni menilai penaakulan audio visual yang diselaraskan mengikut masa, termasuk memadankan bunyi dengan kejadian visual, memahami turutan peristiwa dan membuat penaakulan merentas modaliti.
What should I do next in practice?
AgiBot menyifatkan WITA Omni sebagai sistem Thinker–Talker–Actor yang menyelaraskan penaakulan multimodal, pertuturan berstrim dan tingkah laku fizikal ekspresif pada garis masa yang sama.
Sources
roboticsandautomationnews.comAGIBOT's foundation model tops benchmark test for audio- ...
finance.yahoo.comAGIBOT's WITA-Omni Preview Tops Daily-Omni Audio ...
lliar-liar.github.ioDaily-Omni: Towards Audio-Visual Reasoning with Temporal ...
arxiv.orgDaily-Omni: Towards Audio-Visual Reasoning with Temporal ... - arXiv