KI SpotlightNewsRopedia stellt HOLI-WORLD vor: ein System aus Erfassung, Datenbau, Modell und Benchmark
Das Paper ist auf arXiv und Hugging Face gelistet. Belegt sind Aufbau und Datenbasis, Ergebniszahlen fehlen im Abstract.
Mit KI erstelltInhalt
◆ Fakten auf einen Blick
- Das Paper „Holi-World“ steht auf arXiv in Computer Vision and Pattern Recognition.
- HOLI-WORLD verbindet Experience Capture, World Representation, Datenkonstruktion, Modelllernen und unabhängige Evaluation.
- HOLIWORLD-Foundry baut automatisch „World Records“ aus statischer und dynamischer Wahrnehmung.
- HOLIWORLD-Data enthält ca. 80K QA-Paare aus ca. 100 Szenen; HOLIWORLD-VL-4B wurde damit trainiert.
- Die Experimente laufen auf ScanNet, ScanNet++, Aria Digital Twin und HOLIWORLD-Bench.
Ropedia bündelt Erfassung, Datenbau, Modell und Benchmark in HOLI-WORLD
Das Paper „Holi-World: Building Holistic World Intelligence from Human-Ego Experience“ ist auf arXiv in der Rubrik Computer Vision and Pattern Recognition gelistet, außerdem als Paper auf Hugging Face. Das Physical-AI-Startup Ropedia aus Singapur stellte die Arbeit am 20. Oktober 2026 im Rahmen seiner „Super Week“ vor, in der es sechs Forschungsprojekte zeigte. HoliWorld und EgoXperience gehören zu „Ropedia Foundry“. Ropedia beschreibt sich als Anbieter von Dateninfrastruktur für Robotik und Embodied AI.
HOLI-WORLD verbindet Experience Capture, World Representation, automatisierte Datenkonstruktion, Modelllernen und unabhängige Evaluation zu einem System. Als Autoren nennt aiweekly.co Hao Li, Ziwei Liu und weitere. Das erklärte Ziel ist, die Abhängigkeit von kostspieliger manueller Annotation zu verringern. Dabei handelt es sich um eine Angabe der Autoren, kein belegtes Ergebnis.
Foundry erzeugt „World Records“ aus statischer und dynamischer Wahrnehmung
Den Kern bildet HOLIWORLD-Foundry. Die Pipeline kombiniert statische und dynamische Wahrnehmung und erzeugt damit automatisch sogenannte World Records. Sie verbinden die dauerhafte Szenenstruktur mit sich verändernden Objektzuständen, Interaktionshistorien und unterstützenden Beobachtungen. Das Ziel: Ein Modell soll nicht nur ein Standbild erfassen, sondern auch, wie sich eine Szene durch Handlungen verändert.
HOLIWORLD-Data ordnet diese Records rund 100 selbst aufgenommenen Szenen als Lernressourcen zu, darunter ca. 80K Frage-Antwort-Paare. Mit ihnen wurde HOLIWORLD-VL-4B trainiert, ein Vision-Language-Modell mit vier Milliarden Parametern. HOLIWORLD-Bench besteht aus unabhängigen menschlichen Annotationen zurückgehaltener Aufnahmen. Er soll sowohl die Qualität der Annotationen prüfen als auch das gelernte räumliche und zeitliche Verständnis.
Leistung wird behauptet, Zahlen fehlen
Die Experimente laufen laut Abstract auf ScanNet, ScanNet++, Aria Digital Twin und HOLIWORLD-Bench. Laut aiweekly.co kommt EgoDynamic4D hinzu. Die Autoren berichten von starker Leistung bei statischer Wahrnehmung und dynamischem Tracking. Das Abstract nennt jedoch weder Zahlen noch Baselines. Skalierbarkeit und der Abbau manueller Annotation sind bislang nur behauptet.
Ob HOLI-WORLD gegenüber Ego4D, Ego-Exo4D oder EgoDynamic4D einen methodischen Sprung darstellt, lässt sich aus dem vorliegenden Material nicht beurteilen. Dafür fehlen Ergebnistabellen, Details zur Pipeline einschließlich des Anteils manueller Arbeit sowie Code und Daten.
Zum Vergleich: Ego-Exo4D umfasst 1.422 Stunden Video von mehr als 800 Teilnehmenden in 131 Szenenkontexten. EgoDynamic4D bringt 927K QA-Paare und zwölf Aufgaben mit. Ein Vergleichsurteil lässt sich daraus nicht ableiten.
