核心技术

跨维智能拥有顶尖学术与工程团队,在人工智能、计算机视觉、机器学习、生成式三维建模与学习、三维感知大模型等领域具有多项首创成果,运用前沿科研成果构建了DexVerse™ 、AI 和合成数据引擎,以形成通用机器人智能

DexGen 数据层
DexSim 仿真层
DexAI 模型层
DexGen 数据层

- 关注如何生成和表征高质量的3D/4D数据,为机器人学习提供坚实的数据基础。包括3D重建、统一的几何/物理表征,以及文本到3D生成等

- DexGen 在数据层完成了三维/四维表示和生成的理论突破,既保证重建与仿真精度,又能快速自动化生成大规模高质量3D数据

DexSim 仿真层

- 关注如何搭建高拟真的虚拟环境,解决现实机器人学习所需的海量交互数据难题。 重点在于高保真物理模拟和渲染,仿真效率, 数据扩增等

- DexSim 在仿真层实现了从“量”到“质”的飞跃,既能规模化扩增数据,又能在感知和物理层面逼近真实世界


DexAI 模型层

- 聚焦机器人智能体的学习与推理,核心是端到端的具身智能,尤其是 Sim2Real 迁移与多模态大模型驱动的机器人智能

- 基于 DexGen 和 DexSim 提供的高效自动化数据管线,DexAI 在模型层打造了一个从可供性理解、自然交互到通用操作的完整AI能力体系

技术成果
ICRA WBCD 一举夺魁!
跨维智能问鼎全球顶尖机器人赛事,荣获首届 ICRA WBCD 双臂机器人挑战赛冠军!


荣获IROS物体姿态估计竞赛多项冠亚军
F-ConvNet, HotSpotNet等3D检测模型在KITTI等国际无人驾驶基准排行榜保持第一
DualPoseNet 全自由度姿态估计模型的精确度在NOCS基准数据库保持第一
SRDC域适应学习模型在合成数据到真实场景的无人驾驶迁移学习基准数据库上精确度保持第一
IEEE BTAS 2016 Video Person Recognition Evaluation 挑战赛第一
研发智能视觉碎石系统,应用于芬兰采石场,提升碎石采石效率
研发GPNet等模型,实现深度学习无注册物体抓取,公布最大仿真无注册抓取数据集
全球首创3D AffordanceNet三维功能可供性分析方法及大规模基准数据集,助力学术及工业界人机交互研发
研发SkeletonNet,ToMoNet等网络,首次实现深度学习复杂拓扑表面生成,入选人工智能顶会CVPR 19最佳论文候选
首创Analytic Marching无损解析表面网格理论及算法,开源AnalyticMesh软件
提出深度模型自适应优化方法,打通传统MVS技术与深度表面重建壁垒,大幅提升MVS重建效果
请填写以下信息
我们的专业顾问会尽快与您联系!
意向内容:
备注:
取消
提交信息