X Square Robot construit une pile fondamentale pour les robots polyvalents

X Square Robot, une entreprise chinoise spécialisée dans l'IA incarnée, affirme que la recette des robots polyvalents repose sur une pile intégrée comprenant des données, un modèle du monde pour prédire les changements physiques et un modèle d'action qui unifie perception, planification, raisonnement et prise de décision. La pile repose sur trois principes : l'unité de base des données robotiques est une interaction, et non une trajectoire ; le pré-entraînement doit produire une capacité exploitable ; et le comportement doit être modélisé autour d'événements physiques plutôt que de tranches de temps fixes. Pour la collecte de données, l'entreprise utilise son système d'interface de manipulation universelle (UMI), la série QUANXTA Zero, qui capture des démonstrations via un harnais portable équipé de doubles pinces. Elle met l'accent sur le contrôle qualité en rejouant physiquement les trajectoires et en ne comptant comme valides que celles qui accomplissent les tâches. Le modèle du monde, WALL-WM, traite les événements sémantiques basés sur l'action (par exemple, atteindre, saisir) comme des unités, couplant un modèle texte-vers-vidéo avec un nouveau réseau d'action pour préserver les a priori visuels. Le modèle d'action, Wall-OSS-0.5, est un modèle vision-langage-action qui doit fonctionner sur un robot réel avant un réglage fin spécifique à la tâche, et utilise X-Tokenizer, une interface sémantique pour des jetons d'action discrets alignés sur les caractéristiques du modèle de langage. La valorisation de X Square Robot a dépassé les 20 milliards de yuans (environ 2,9 milliards de dollars).