Китайская X Square Robot строит открытый стек для воплощённого ИИ общего назначения

Китайская компания X Square Robot, специализирующаяся на воплощённом ИИ, представила свой подход к созданию робота общего назначения. В основе лежит интегрированный стек, объединяющий данные, мировую модель и модель действий. Компания утверждает, что ключевая проблема — не размер модели, а стоимость и качество данных о взаимодействиях. Для сбора данных используется система Universal Manipulation Interface (UMI) QUANXTA Zero Series: человек надевает носимый шлем с захватами и демонстрирует действия, а система записывает траектории и проверяет их на реальном роботе – те, которые не выполняют задачу, отбрасываются. Это позволяет получить чистый датасет, который, как утверждается, превосходит по эффективности обычное телеуправление в 20 раз по стоимости. Мировая модель WALL-WM работает не с фиксированными временными окнами, а с семантическими событиями (например, «схватить», «положить»). Она использует текстово-видео модель, к которой подключена сеть действий, что позволяет сохранить визуальные знания. Модель действий Wall-OSS-0.5 обучается совместно на дискретных токенах действий, языковой привязке и непрерывной генерации действий, не замораживая части сети. Токенизатор X-Tokenizer преобразует движения в семантические коды: верхние уровни кодируют намерение, нижние – детали. При добавлении шума код намерения остаётся стабильным, что позволяет использовать один токенизатор для разных роботов без перенастройки. Компания оценивается более чем в 20 миллиардов юаней (около 2,9 миллиарда долларов США). Код WALL-WM уже опубликован, ожидается, что сообщество проверит результаты.