В июне 2026 года произошел невероятный всплеск выпусков моделей воплощенного ИИ: за один месяц было анонсировано 13 новых фундаментальных моделей и мировых моделей — примерно одна каждые 48 часов. Эта волна знаменует фундаментальный сдвиг в индустрии воплощенного ИИ от конкуренции в области аппаратных возможностей к конкуренции в области программного интеллекта, при этом компании делают акцент на уникальных технических подходах, а не на постепенном улучшении оборудования.
BAAI представила два достижения в области мировых моделей на Конференции Чжиюань 2026 года. Wujie Physis-v0.1 фокусируется на предсказании следующего физического состояния путем сжатия видео, RGB-D, 3D облака точек и тактильной обратной связи в единое латентное пространство. Wujie RoboBrain Orca функционирует как мозг робота, обладающий единым представлением, каузальным рассуждением и мультимодальным декодированием, используя слияние языковых и визуальных представлений в латентном пространстве.
Alibaba 16 июня выпустила набор Qwen-Robot, который принципиально отличается от подхода грубого масштабирования, предпочитаемого многими конкурентами. Вместо простого добавления большего количества данных и большего количества роботов Alibaba утверждает, что гетерогенность физического мира нельзя решить только масштабированием, и требуются стратегии согласования на уровне модели. Qwen-RobotNav адаптирует распределение визуального внимания для мобильного управления. Qwen-RobotManip стандартизирует пространство состояний-действий для манипуляции. Qwen-RobotWorld использует интерфейсы действий на естественном языке для прогнозирования динамики мира.
CasiaHand запустила Brain-Si 0.5 — первую в мире человекоподобную модель ловких манипуляций с трехуровневой архитектурой: верхний уровень — мозг для планирования мировой модели VLA, средний уровень — базовые модели для шести основных возможностей манипуляции, включая предварительный захват, общий захват, функциональную работу, отзывчивую передачу, двуручную координацию и слияние человека и робота, и нижний уровень — физически интерпретируемые модели.
GalaxyBot выпустила AstraBrain-WBC 0.5 — фундаментальную модель мозжечка для целостного управления человекоподобным роботом в реальном времени, использующую каузальную архитектуру Transformer в стиле GPT, обученную на примерно 2 миллиардах кадров данных о действиях человека, с 80 миллионами параметров. RoboScience раскрыла свою архитектуру Visics с фреймворком VLOA, разделяющим мировую модель и операционную модель через представление траекторий объектов. Current Robotics опубликовала Curl-0 для целостной ловкой манипуляции как задачу связанного обучения. BoundlessPower выпустила мировую модель MWA для длинных последовательностей двунаправленных физических каузальных цепочек.
Общей нитью всех подходов является переход от демонстрации того, что могут делать роботы, к объяснению того, почему роботы все еще терпят неудачу в определенных задачах, причем каждая команда выявляет различные узкие места — тактильная обратная связь, координация всего тела, перенос из симуляции в реальность или долгосрочное планирование — и создает специфические архитектуры для их решения.
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор – Pandaily
