Pourquoi les robots restent-ils cantonnés aux démos ? La nouvelle entreprise d'iFlytek donne la réponse : le manque de « cognition corporelle »

iFlytek a discrètement enregistré une nouvelle société, Anhui Yaofang Intelligent Technology Co., Ltd., avec un capital social de 300 millions de yuans, dirigée par Pan Jia, scientifique en chef d'iFlytek et contributeur clé au Premier Prix du Progrès Scientifique et Technologique National. L'entreprise se concentre sur la construction du « cerveau » des robots, arguant que l'architecture dominante actuelle VLA (Vision-Langage-Action) n'est pas la solution finale en raison de son absence de prédiction des conséquences. Ils proposent que les modèles du monde aient besoin d'un composant supplémentaire : la « cognition corporelle » — la capacité d'un robot à comprendre ses propres limites physiques. L'équipe a publié un rapport technique, iFLYTEK-Embodied-Omni, qui introduit un modèle de base incarné multimodal unifié combinant VLM (modèle vision-langage), VGM (modèle de génération vidéo) et AGM (modèle de génération d'action) avec un mécanisme d'attention partagé multimodal. Le modèle inclut la cinématique inverse comme tâche d'entraînement pour améliorer la cognition corporelle. Dans les benchmarks, il atteint un taux de succès moyen de 89,6 % en généralisation zero-shot sur LIBERO-Plus et plus de 93 % dans les tâches à deux bras de RoboTwin 2.0. L'entreprise prévoit de s'intégrer avec la filiale d'iFlytek, Lingdong General Robot, pour déployer le cerveau dans des robots réels.