AnswersPublished14 sources
Mundo tworzy z fotografii przestrzenie do symulacji robotów
Mundo ma przekształcać od 1 do 12 zdjęć rzeczywistego miejsca w edytowalną scenę 3D z fizyką, przeznaczoną do eksploracji i symulacji robotów. Projekt opisano na Hugging Face 23 października 2026 r.
Opublikowane przezEdytowane za pomocą GPT-6 LunaObrazy wygenerowane za pomocą GPT Image 2
Research answer
Key takeaways
- Mundo ma przekształcać od 1 do 12 zdjęć rzeczywistego miejsca w edytowalną scenę 3D z fizyką, przeznaczoną do eksploracji i symulacji robotów.
- Projekt opisano na Hugging Face 23 października 2026 r. Pandaily informowało później o planowanym udostępnieniu kodu i wag do końca listopada, ale dostępne źródła nie potwierdzają, czy do tego doszło.
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 to projekt modelu świata, który ma zamieniać zdjęcia konkretnego miejsca w scenę 3D do eksplorowania i interakcji. Kluczowy pomysł polega na tym, by opisać otoczenie jako edytowalną strukturę 3D i zestaw danych o scenie, symulować jej zmiany, a następnie renderować wynik za pomocą modelu wideo. To podejście różni się od wygenerowania filmu, który można tylko obejrzeć.2
12
Najpierw symulacja sceny, potem jej obraz
Z opisu projektu wynika, że Mundo buduje trójwymiarowy przybliżony model sfotografowanego otoczenia. W programie opisującym scenę zapisuje obiekty, ich położenie i właściwości fizyczne, a także reguły określające, jak stan sceny zmienia się w czasie.2 Model ma więc obejmować nie tylko widok pomieszczenia, lecz także dane, które można edytować i wykorzystać w symulacji.
Według dodatkowego opisu technicznego w tym procesie wykorzystywany jest symulator fizyki — głównie MuJoCo — oraz dostrojony model wideo, który renderuje wyniki symulacji. Źródło podaje, że model wideo dostosowano z systemu MiniMax-H3 do generowania wideo na podstawie obrazu referencyjnego, używając około 40 tys. par filmów. Tych szczegółów nie ma jednak w udostępnionym fragmencie artykułu na Hugging Face.12
Co mają dawać zdjęcia
Według informacji opublikowanej przez Pandaily od jednego do 12 zdjęć prawdziwego miejsca można utworzyć edytowalną scenę 3D z fizyką, w której da się renderować nawigację i manipulowanie obiektami przez robota. Szerszą ideę budowania modelu konkretnego otoczenia na podstawie zdjęć opisuje także strona projektu.15
2
Dostępne materiały nie wyjaśniają dokładnie, jak Mundo radzi sobie z różnicą między jednym a kilkoma zdjęciami. Jedna fotografia nie pokazuje wszystkich stron pomieszczenia ani obiektów, a dodatkowe ujęcia dostarczają więcej obserwacji. Źródła nie potwierdzają jednak, jak dokładnie system odtwarza scenę, ustala pozycje aparatów ani uzupełnia obszary niewidoczne na zdjęciach. Szczegółowe twierdzenia o tych etapach należy więc traktować jako niezweryfikowane na podstawie dostępnych informacji.
Dlaczego edytowalna scena może być przydatna
Jawny opis sceny pozwala zmieniać obiekty lub ich właściwości, a następnie testować działania w środowisku symulacyjnym. Według podsumowania serwisu poświęconego robotyce w programie sceny można uwzględniać takie parametry jak masa i tarcie, a silnik fizyczny oblicza ruch, kontakt i kolizje. Opis wskazuje też, że agenci mogą edytować obiekty, ich atrybuty i działania w scenie.7 Projekt przedstawiany jest jako sposób na tworzenie interaktywnych środowisk do testowania i trenowania robotów.
7
15
Warto rozdzielić tu dwie warstwy: program sceny opisuje obiekty i ich zachowanie fizyczne, a model wideo odpowiada za obraz. Taki nacisk na stan sceny i symulację odróżnia podejście Mundo od polegania wyłącznie na wygenerowanych pikselach jako zastępstwie rzeczywistego otoczenia.2
12
Czego dostępne źródła nie potwierdzają
Materiały, do których mamy dostęp, nie potwierdzają szczegółowego procesu opisywanego w niektórych relacjach. Dotyczy to m.in. wykrywania ramek obiektów, edycji przez agenta wizyjno-językowego i agenta sprawdzającego, optymalizacji numerycznej ani sposobu obsługi długich tras kamery i nakładających się fragmentów renderowania. Nie potwierdzają też konkretnych demonstracji — takich jak nawigacja po piętrze hotelu czy manipulowanie przedmiotami domowymi — ani danych o czasie rekonstrukcji, liczbie klatek na sekundę, liczbie GPU i ustawieniach wnioskowania.
Ostrożnie należy podchodzić również do twierdzeń o unoszących się małych obiektach, pamięci długoterminowej sceny oraz konkretnych rozdzielczościach obrazów i klipów. Takie szczegóły mogą być opisane w pełniejszych materiałach projektu, ale nie potwierdzają ich dostępne tu fragmenty. Najpewniejszy wniosek jest węższy: Mundo przedstawiany jest jako system łączący edytowalny model 3D, symulację fizyczną i renderowanie wideo, by umożliwić robotom eksplorowanie otoczenia i interakcję z nim.2
7
12
Kiedy ma zostać udostępniony
Artykuł społecznościowy o Mundo na Hugging Face opublikowano 23 października 2026 r.2 Z kolei wpis Pandaily z 31 października informował, że kod i wagi miały zostać udostępnione do końca listopada. Dostępne materiały nie potwierdzają, czy ta zapowiedź została zrealizowana.
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 "Mundo tworzy z fotografii przestrzenie do symulacji robotów"?
Mundo ma przekształcać od 1 do 12 zdjęć rzeczywistego miejsca w edytowalną scenę 3D z fizyką, przeznaczoną do eksploracji i symulacji robotów.
What are the key points to validate first?
Mundo ma przekształcać od 1 do 12 zdjęć rzeczywistego miejsca w edytowalną scenę 3D z fizyką, przeznaczoną do eksploracji i symulacji robotów. Projekt opisano na Hugging Face 23 października 2026 r. Pandaily informowało później o planowanym udostępnieniu kodu i wag do końca listopada, ale dostępne źródła nie potwierdzają, czy do tego doszło.