Câu trả lờiĐã xuất bản14 nguồn
Mundo biến ảnh chụp thành thế giới 3D có thể mô phỏng cho robot
Theo Pandaily, Mundo có thể dùng từ 1 đến 12 ảnh chụp một địa điểm để tạo cảnh 3D có thể chỉnh sửa, phục vụ mô phỏng robot di chuyển và thao tác.[15] Ý tưởng cốt lõi là biểu diễn bố cục, vật thể và thuộc tính vật lý trong một mô hình cảnh có thể cập nhật; mô hình video đảm nhiệm phần hình ảnh đầu ra.[2][12] Bài giới...
Đăng bởiBiên tập bằng GPT-6 LunaHình ảnh được tạo bằng GPT Image 2
Câu trả lời nghiên cứu
Bài học chính
- Theo Pandaily, Mundo có thể dùng từ 1 đến 12 ảnh chụp một địa điểm để tạo cảnh 3D có thể chỉnh sửa, phục vụ mô phỏng robot di chuyển và thao tác.[15]
- Ý tưởng cốt lõi là biểu diễn bố cục, vật thể và thuộc tính vật lý trong một mô hình cảnh có thể cập nhật; mô hình video đảm nhiệm phần hình ảnh đầu ra.[2][12]
- Bài giới thiệu dự án trên Hugging Face đăng ngày 23/10/2026. Pandaily cho biết mã nguồn và trọng số dự kiến ra mắt trước cuối tháng 11, nhưng tài liệu hiện có chưa xác nhận việc phát hành đã diễn ra.[2][15]
Prompt AI
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 được giới thiệu như một cách biến ảnh chụp một địa điểm thành môi trường 3D để robot có thể khám phá và tương tác. Điểm đáng chú ý không chỉ là tạo ra hình ảnh trông giống căn phòng, mà là xây dựng một cảnh có cấu trúc, có thể chỉnh sửa và mô phỏng. Hệ thống dùng mô hình video để hiển thị kết quả, thay vì chỉ tạo một đoạn phim để người xem quan sát.2
12
Từ ảnh chụp đến cảnh có thể chỉnh sửa
Theo mô tả dự án, Mundo dựng một bản đại diện 3D của địa điểm được chụp, đồng thời ghi lại các vật thể, vị trí và thuộc tính vật lý của chúng trong một chương trình mô tả cảnh. Chương trình này cũng quy định trạng thái của cảnh thay đổi ra sao theo thời gian.2
Có thể hình dung phần mô tả cảnh như một bản ghi có cấu trúc về thế giới mô phỏng: vật thể nào đang ở đâu, có đặc tính gì và sẽ phản ứng thế nào khi có tác động. Một bản tin của Pandaily cho biết hệ thống có thể biến từ 1 đến 12 ảnh chụp một địa điểm thành cảnh 3D có vật lý, để mô phỏng robot di chuyển và thao tác trong đó.15
Tuy vậy, các tài liệu hiện có không giải thích đầy đủ cách hệ thống xử lý khác biệt giữa một ảnh và nhiều ảnh. Một ảnh đơn lẻ không thể cho thấy mọi mặt của căn phòng hay đồ vật; nhiều góc chụp có thể cung cấp thêm dữ liệu quan sát. Nhưng nguồn được cung cấp chưa xác nhận chính xác cách Mundo dựng lại hình học, xác định vị trí máy ảnh hay bổ sung những khu vực không xuất hiện trong ảnh.
Vì sao robot cần một thế giới có thể mô phỏng?
Khi cảnh được biểu diễn thành các vật thể và thuộc tính riêng, người dùng có thể chỉnh sửa chúng rồi thử hành động trong môi trường mô phỏng. Một bản tóm lược về dự án cho biết cảnh có thể chứa thông tin như khối lượng và độ ma sát; công cụ vật lý có thể tính chuyển động, tiếp xúc và va chạm. Bản tóm lược này cũng đề cập đến việc dùng các tác tử để chỉnh sửa vật thể, thuộc tính và hành động trong cảnh.7
Theo cách tiếp cận đó, phần mô tả cảnh giữ thông tin về trạng thái và quy luật vật lý, còn mô hình video tạo ra hình ảnh thể hiện điều đang xảy ra. Một nguồn kỹ thuật thứ cấp cho biết quy trình dùng bộ mô phỏng vật lý, chủ yếu là MuJoCo, rồi dùng mô hình video đã tinh chỉnh để dựng kết quả. Nguồn này nói mô hình video được điều chỉnh từ hệ thống reference-to-video của MiniMax-H3 bằng khoảng 40.000 cặp video; các chi tiết đó không xuất hiện trong phần trích dẫn Hugging Face được cung cấp.12
Cách tách biệt mô phỏng với phần hiển thị là điểm khác biệt quan trọng: cảnh không chỉ là những điểm ảnh được tạo ra, mà còn có cấu trúc để hệ thống thay đổi và tính toán.2
12
Những gì chưa thể xác nhận
Các nguồn hiện có chưa đủ để xác minh chi tiết quy trình kỹ thuật như phát hiện hộp bao quanh vật thể, dùng tác tử thị giác-ngôn ngữ để chỉnh sửa cảnh, tối ưu tham số bằng số hay kiểm tra tính nhất quán bằng một tác tử riêng. Cách xử lý những đường đi máy quay dài và các đoạn dựng hình chồng lấn cũng chưa được tài liệu trích dẫn làm rõ.
Tương tự, những thông tin về các màn trình diễn cụ thể, thời gian dựng cảnh, tốc độ khung hình, số lượng GPU và cấu hình suy luận chưa được các trích đoạn nguồn xác nhận. Các tuyên bố về vật thể nhỏ bị lơ lửng, khả năng ghi nhớ cảnh lâu dài hay độ phân giải ảnh và video cũng không có đủ căn cứ trong tài liệu hiện có.
Vì vậy, có thể tóm tắt thận trọng rằng Mundo được giới thiệu là hệ thống kết hợp bản đại diện 3D có thể chỉnh sửa, mô phỏng vật lý và dựng hình bằng mô hình video, hướng tới việc tạo môi trường để robot khám phá và tương tác.2
7
12
Thời điểm giới thiệu và kế hoạch phát hành
Bài viết cộng đồng về Mundo trên Hugging Face được đăng ngày 23/10/2026.2 Một danh sách tin của Pandaily đăng ngày 31/10 cho biết mã nguồn và trọng số dự kiến được phát hành trước cuối tháng 11. Tuy nhiên, các tài liệu được cung cấp chưa xác nhận liệu kế hoạch đó sau này có được thực hiện hay không.
15
Studio Global AI
Tiếp tục nghiên cứu của bạn
Trang này bao gồm câu trả lời dựa trên nguồn mà bạn có thể tiếp tục bên trong Studio Global.
Người ta cũng hỏi
Câu trả lời ngắn gọn cho "Mundo biến ảnh chụp thành thế giới 3D có thể mô phỏng cho robot" là gì?
Theo Pandaily, Mundo có thể dùng từ 1 đến 12 ảnh chụp một địa điểm để tạo cảnh 3D có thể chỉnh sửa, phục vụ mô phỏng robot di chuyển và thao tác.[15]
Những điểm chính cần xác nhận đầu tiên là gì?
Theo Pandaily, Mundo có thể dùng từ 1 đến 12 ảnh chụp một địa điểm để tạo cảnh 3D có thể chỉnh sửa, phục vụ mô phỏng robot di chuyển và thao tác.[15] Ý tưởng cốt lõi là biểu diễn bố cục, vật thể và thuộc tính vật lý trong một mô hình cảnh có thể cập nhật; mô hình video đảm nhiệm phần hình ảnh đầu ra.[2][12]
Tôi nên làm gì tiếp theo trong thực tế?
Bài giới thiệu dự án trên Hugging Face đăng ngày 23/10/2026. Pandaily cho biết mã nguồn và trọng số dự kiến ra mắt trước cuối tháng 11, nhưng tài liệu hiện có chưa xác nhận việc phát hành đã diễn ra.[2][15]