The Architecture of Embodiment: Multimodal Data Standardization and Management for Generalizable Embodied AI
Notice bibliographique
Résumé
Embodied Artificial Intelligence (EAI) is foundational to achieving Artificial General Intelligence (AGI), requiring agents to learn through physical interaction rather than static data. This paradigm demands sophisticated data infrastructure capable of managing massive, heterogeneous, and asynchronous multimodal streams while ensuring high causal grounding and physical consistency. This paper systematically reviews the critical role of data standardization in EAI. We analyze foundational requirements, noting the necessity of integrating comprehensive sensory modalities like proprioception and utilizing specialized database architectures, including Graph, Vector, and Time-Series Databases, to balance real-time control with long-term semantic coherence. Key standardization efforts, such as the Open X-Embodiment dataset, which unifies 60 datasets using a standard 7-dimensional action vector and the RLDS format, are examined. We discuss advanced benchmarking needs that move beyond final success rates to incorporate diagnostic metrics-including Affordance and Hallucination Errors-necessary for evaluating complex, long-horizon tasks. Furthermore, we detail critical bottlenecks, particularly mitigating the Simulation-to-Real (Sim2Real) gap through physics alignment (PhysAligner) and photorealistic generative transfer (VisAligner). Finally, we examine the unique ethical and policy challenges posed by embodied systems, advocating for targeted certification schemes that specifically address the Sim2Real gap and hardware-software compatibility as safety-critical components of dataset development.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».