Warum Roboter in Demos stecken bleiben? iFlyteks neue Firma gibt die Antwort: Fehlende „Körpererkenntnis“

iFlytek hat still und leise ein neues Unternehmen gegründet, die Anhui Yaofang Intelligent Technology Co., Ltd., mit einem registrierten Kapital von 300 Millionen Yuan, geleitet von Pan Jia, einem Chefwissenschaftler von iFlytek und maßgeblichem Beitragenden zum Erstpreis des Nationalen Wissenschafts- und Technologiefortschritts. Das Unternehmen konzentriert sich auf den Bau des ‚Gehirns‘ für Roboter und argumentiert, dass die derzeit gängige VLA-Architektur (Vision-Language-Action), also visuell-sprachbasierte Handlungssteuerung, nicht die endgültige Lösung sei, da ihr die Vorhersage von Konsequenzen fehle. Sie schlagen vor, dass Weltmodelle eine zusätzliche Komponente benötigen: ‚Körperkognition‘ – die Fähigkeit eines Roboters, seine eigenen physikalischen Grenzen zu verstehen. Das Team veröffentlichte einen technischen Bericht, iFLYTEK-Embodied-Omni, der ein einheitliches multimodales fundamentales Verkörperungsmodell einführt, das VLM (Vision-Language-Modell, also visuell-sprachliches Modell), VGM (Video-Generierungs-Modell) und AGM (Aktions-Generierungs-Modell) mit einem gemeinsamen multimodalen Selbstaufmerksamkeitsmechanismus kombiniert. Das Modell beinhaltet inverse Kinematik als Trainingsaufgabe, um die Körperkognition zu verbessern. In Benchmarks erreicht es eine durchschnittliche Erfolgsquote von 89,6% bei der Zero-Shot-Generalization in LIBERO-Plus und über 93% bei Zwei-Arm-Aufgaben in RoboTwin 2.0. Das Unternehmen plant, sich mit der Tochtergesellschaft Lingdong General Robot von iFlytek zu integrieren, um das Gehirn in echten Robotern einzusetzen.