Почему роботы застряли на стадии демо? Новая компания iFlytek даёт ответ: не хватает «осознания собственного тела»
科大讯飞
NVIDIA
Спин-офф компании iFlytek — компания 爻方智能 (Yaofang Intelligence) — считает, что текущие архитектуры мозга роботов несовершенны. VLA — это не финальное решение, а мировые модели нуждаются в дополнении «осознанием собственного тела» (本体认知). Команда представила модель iFLYTEK-Embodied-Omni, которая объединяет понимание, предсказание и генерацию действий, а также использует обратную задачу кинематики для развития «телесной интуиции».
На выставке WAIC 2026 основатель новой компании 爻方智能 (Yaofang Intelligence), выделившейся из iFlytek, Пань Цзя (Pan Jia) объяснил, почему роботы на демонстрациях работают медленно: скорость намеренно снижают, чтобы избежать ошибок. Проблема в отсутствии практичного «мозга» робота. Компания считает, что主流ная модель VLA (Vision-Language-Action) не является конечным решением, а мировые модели (World Models) страдают от накопления ошибок и отсутствия «осознания собственного тела» (本体认知). Предложенная модель iFLYTEK-Embodied-Omni использует двухъядерную архитектуру: VLM (Vision-Language Model) для понимания и планирования, VGM (Video Generation Model) для предсказания будущих состояний и AGM (Action Generation Model) для генерации действий. Модули взаимодействуют через общий механизм мультимодального самовнимания, что позволяет мозгу и «мозжечку» работать совместно. Для обучения используется 49% данных пространственного восприятия и планирования, что компенсирует нехватку реальных роботизированных данных. Модель показала высокие результаты: точность 89,6% на LIBERO-Plus и 93,68% на RoboTwin 2.0. Компания планирует внедрять модель в роботов совместно с дочерней фирмой 聆动通用 (Lingdong General Robotics).
- Сокращения
- VLA = Vision-Language-Action — Зрение-Язык-Действие
- VLM = Vision-Language Model — Модель Зрение-Язык
- VGM = Video Generation Model — Модель генерации видео
- AGM = Action Generation Model — Модель генерации действий
- WAM = World Action Model — Мировая модель действий
Источник: QbitAI 量子位 —
оригинал