X Square Robot construye una pila fundamental para robots de propósito general

X Square Robot, una empresa china de inteligencia artificial encarnada, sostiene que la receta para robots de propósito general es una pila integrada que abarca datos, un modelo del mundo para predecir cambios físicos y un modelo de acción que unifica percepción, planificación, razonamiento y toma de decisiones. La pila se basa en tres principios: la unidad básica de los datos del robot es una interacción, no una trayectoria; el preentrenamiento debe generar una capacidad utilizable; y el comportamiento debe modelarse en torno a eventos físicos, no a intervalos de tiempo fijos. Para la recopilación de datos, la empresa utiliza su sistema Universal Manipulation Interface (UMI), la serie QUANXTA Zero, que captura demostraciones mediante un arnés portátil con pinzas duales. Se enfatiza el control de calidad reproduciendo físicamente las trayectorias y contando solo aquellas que completan las tareas como válidas. El modelo del mundo, WALL-WM, trata los eventos semánticos basados en acciones (por ejemplo, alcanzar, agarrar) como unidades, acoplando un modelo de texto a video con una nueva red de acción para preservar los conocimientos visuales previos. El modelo de acción, Wall-OSS-0.5, es un modelo de visión-lenguaje-acción que debe ejecutarse en un robot real antes del ajuste fino específico de la tarea, y utiliza X-Tokenizer, una interfaz semántica para tokens de acción discretos alineados con las características del modelo de lenguaje. La valoración de X Square Robot ha superado los 20 mil millones de yuanes (aproximadamente 2.900 millones de dólares).