คำตอบเผยแพร่แล้ว14 แหล่งที่มา
จากภาพถ่ายสู่โลกจำลองที่หุ่นยนต์สำรวจและลงมือทำได้
Pandaily ระบุว่า Mundo สร้างฉาก 3 มิติที่แก้ไขได้จากภาพถ่ายสถานที่จริง 1–12 ภาพ เพื่อจำลองการสำรวจและการจัดการวัตถุของหุ่นยนต์ หัวใจของระบบคือการเก็บฉากเป็นข้อมูลสามมิติและโปรแกรมที่ระบุวัตถุ คุณสมบัติทางกายภาพ และการเปลี่ยนแปลงของฉาก ก่อนใช้โมเดลวิดีโอสร้างภาพผลลัพธ์ บทความบน Hugging Face เผยแพร่เมื่อ 23 ตุลาคม 202...
เผยแพร่โดยแก้ไขด้วย GPT-6 Lunaรูปภาพสร้างด้วย GPT Image 2
คำตอบการวิจัย
ประเด็นสำคัญ
- Pandaily ระบุว่า Mundo สร้างฉาก 3 มิติที่แก้ไขได้จากภาพถ่ายสถานที่จริง 1–12 ภาพ เพื่อจำลองการสำรวจและการจัดการวัตถุของหุ่นยนต์
- หัวใจของระบบคือการเก็บฉากเป็นข้อมูลสามมิติและโปรแกรมที่ระบุวัตถุ คุณสมบัติทางกายภาพ และการเปลี่ยนแปลงของฉาก ก่อนใช้โมเดลวิดีโอสร้างภาพผลลัพธ์
- บทความบน Hugging Face เผยแพร่เมื่อ 23 ตุลาคม 2026 ส่วนกำหนดการเปิดโค้ดและน้ำหนักโมเดลภายในสิ้นเดือนพฤศจิกายนที่ Pandaily รายงาน ยังไม่มีข้อมูลยืนยันว่าเกิดขึ้นแล้ว
AI พรอมต์
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 เป็นโปรเจกต์ world model ที่มุ่งเปลี่ยนภาพของสถานที่จริงให้เป็นฉากที่หุ่นยนต์สำรวจและโต้ตอบได้ จุดสำคัญคือระบบไม่ได้สร้างแค่วิดีโอให้ดู แต่พยายามแทนสภาพแวดล้อมด้วยโครงสร้างสามมิติและข้อมูลฉากที่แก้ไขได้ จากนั้นจำลองการเปลี่ยนแปลงในฉากและใช้โมเดลวิดีโอแสดงผลลัพธ์ออกมา2
12
จำลองฉากก่อน แล้วค่อยสร้างภาพ
คำอธิบายโครงการระบุว่า Mundo สร้างตัวแทนสามมิติของสถานที่จากภาพถ่าย พร้อมบันทึกวัตถุ ตำแหน่ง และคุณสมบัติทางกายภาพไว้ในโปรแกรมฉาก โปรแกรมนี้ยังอธิบายด้วยว่าสถานะของฉากเปลี่ยนไปตามเวลาอย่างไร2 กล่าวอีกแบบคือ ระบบพยายามเก็บทั้งหน้าตาของสถานที่และข้อมูลที่นำไปแก้ไขหรือใช้จำลองการเคลื่อนไหวได้
รายงานเชิงเทคนิคอีกแหล่งอธิบายว่า กระบวนการนี้ใช้ตัวจำลองฟิสิกส์ โดยส่วนใหญ่เป็น MuJoCo แล้วนำผลจำลองไปให้โมเดลวิดีโอสร้างภาพ รายงานเดียวกันระบุว่าโมเดลวิดีโอได้รับการปรับแต่งจากระบบ reference-to-video ของ MiniMax-H3 ด้วยคู่ข้อมูลวิดีโอประมาณ 40,000 คู่ อย่างไรก็ตาม รายละเอียดเหล่านี้ไม่ได้ระบุไว้ในข้อความจาก Hugging Face ที่มีให้ตรวจสอบ12
ใช้ภาพสถานที่จริงเป็นจุดตั้งต้น
ข้อมูลของ Pandaily ระบุว่า Mundo รับภาพสถานที่จริงตั้งแต่ 1–12 ภาพ เพื่อสร้างฉากสามมิติที่แก้ไขได้และมีฟิสิกส์ประกอบ สำหรับจำลองการนำทางและการหยิบจับสิ่งของของหุ่นยนต์15 ส่วนคำอธิบายโครงการยืนยันแนวทางในภาพรวมว่า ระบบสร้าง world model เฉพาะสถานที่จากภาพ
2
แหล่งข้อมูลที่มีไม่ได้อธิบายละเอียดว่าระบบจัดการภาพเดียวกับหลายภาพต่างกันอย่างไร ภาพเดียวอาจไม่แสดงทุกด้านของห้องหรือวัตถุ ขณะที่หลายภาพให้ข้อมูลมุมมองเพิ่มขึ้น แต่ยังไม่มีหลักฐานในเนื้อหาที่ได้รับเกี่ยวกับวิธีสร้างส่วนที่มองไม่เห็น การกู้คืนตำแหน่งกล้อง หรือขั้นตอนสร้างรูปทรงสามมิติอย่างแน่ชัด จึงไม่ควรสรุปรายละเอียดเหล่านี้เกินกว่าที่แหล่งข้อมูลยืนยัน
ทำไมฉากที่แก้ไขได้จึงสำคัญกับหุ่นยนต์
เมื่อฉากมีข้อมูลวัตถุและคุณสมบัติที่ชัดเจน ก็อาจปรับวัตถุหรือคุณสมบัติ แล้วทดสอบการกระทำต่าง ๆ ในสภาพแวดล้อมจำลองได้ สรุปข้อมูลจากเว็บไซต์ด้านหุ่นยนต์ระบุว่า Mundo สามารถใส่คุณสมบัติ เช่น มวลและแรงเสียดทาน แล้วใช้เครื่องมือจำลองฟิสิกส์คำนวณการเคลื่อนที่ การสัมผัส และการชนได้ อีกทั้งยังกล่าวถึงการใช้เอเจนต์แก้ไขวัตถุ คุณสมบัติ และการกระทำในฉาก7 โครงการนี้จึงถูกนำเสนอในฐานะเครื่องมือสร้างสภาพแวดล้อมโต้ตอบได้สำหรับทดสอบและฝึกหุ่นยนต์
7
15
การแยก “ข้อมูลของฉาก” ออกจาก “ภาพที่แสดงผล” ช่วยให้เห็นแนวคิดของระบบชัดขึ้น: โปรแกรมฉากเป็นส่วนที่บันทึกวัตถุและพฤติกรรมทางกายภาพ ส่วนโมเดลวิดีโอทำหน้าที่สร้างภาพให้เห็นผลที่เกิดขึ้น แนวทางนี้ให้น้ำหนักกับการจำลองฉากที่แก้ไขได้ มากกว่าการใช้ภาพที่สร้างขึ้นเพียงอย่างเดียวแทนสภาพแวดล้อม2
12
สิ่งที่แหล่งข้อมูลยังไม่ยืนยัน
ข้อมูลที่มีไม่ได้ยืนยันขั้นตอนโดยละเอียดซึ่งปรากฏในบางคำบรรยาย เช่น การตรวจจับกรอบวัตถุ การแก้ไขโปรแกรมฉากด้วยเอเจนต์ด้านภาพและภาษา การปรับพารามิเตอร์ด้วยวิธีเชิงตัวเลข หรือวิธีจัดการเส้นทางกล้องยาวและช่วงภาพที่ซ้อนทับกัน
เช่นเดียวกัน ยังไม่มีหลักฐานในแหล่งข้อมูลที่ได้รับเพื่อยืนยันการสาธิตเฉพาะอย่างการนำทางในโรงแรมหรือการหยิบจับสิ่งของในบ้าน รวมถึงตัวเลขเรื่องเวลาสร้างฉาก อัตราเฟรม จำนวน GPU และการตั้งค่าการประมวลผล รายละเอียดเกี่ยวกับวัตถุขนาดเล็กที่ลอย การจดจำฉากระยะยาว และความละเอียดของภาพหรือคลิปก็ยังยืนยันไม่ได้จากข้อความที่มี
สรุปอย่างระมัดระวังได้ว่า Mundo ถูกนำเสนอเป็นระบบแปลงภาพถ่ายเป็นฉากที่ประกอบด้วยตัวแทนสามมิติที่แก้ไขได้ การจำลองฟิสิกส์ และการสร้างภาพด้วยโมเดลวิดีโอ เพื่อให้หุ่นยนต์สำรวจและโต้ตอบในสภาพแวดล้อมจำลอง2
7
12
กำหนดการเผยแพร่
บทความชุมชนบน Hugging Face เผยแพร่เมื่อ 23 ตุลาคม 20262 ส่วนรายการข่าวของ Pandaily วันที่ 31 ตุลาคมระบุว่าโค้ดและน้ำหนักโมเดลมีกำหนดเผยแพร่ภายในสิ้นเดือนพฤศจิกายน แต่ข้อมูลที่มีไม่ได้ยืนยันว่าการเผยแพร่นั้นเกิดขึ้นแล้วหรือไม่
15
Studio Global AI
ทำการวิจัยต่อ
หน้านี้รวมคำตอบที่ได้รับการสนับสนุนจากแหล่งที่มาซึ่งคุณสามารถดำเนินการต่อภายใน Studio Global
คนยังถาม
คำตอบสั้น ๆ สำหรับ "จากภาพถ่ายสู่โลกจำลองที่หุ่นยนต์สำรวจและลงมือทำได้" คืออะไร
Pandaily ระบุว่า Mundo สร้างฉาก 3 มิติที่แก้ไขได้จากภาพถ่ายสถานที่จริง 1–12 ภาพ เพื่อจำลองการสำรวจและการจัดการวัตถุของหุ่นยนต์
ประเด็นสำคัญที่ต้องตรวจสอบก่อนคืออะไร?
Pandaily ระบุว่า Mundo สร้างฉาก 3 มิติที่แก้ไขได้จากภาพถ่ายสถานที่จริง 1–12 ภาพ เพื่อจำลองการสำรวจและการจัดการวัตถุของหุ่นยนต์ หัวใจของระบบคือการเก็บฉากเป็นข้อมูลสามมิติและโปรแกรมที่ระบุวัตถุ คุณสมบัติทางกายภาพ และการเปลี่ยนแปลงของฉาก ก่อนใช้โมเดลวิดีโอสร้างภาพผลลัพธ์
ฉันควรทำอย่างไรต่อไปในทางปฏิบัติ?
บทความบน Hugging Face เผยแพร่เมื่อ 23 ตุลาคม 2026 ส่วนกำหนดการเปิดโค้ดและน้ำหนักโมเดลภายในสิ้นเดือนพฤศจิกายนที่ Pandaily รายงาน ยังไม่มีข้อมูลยืนยันว่าเกิดขึ้นแล้ว