Kenapa robot hanya bisa demo? Perusahaan baru iFlytek beri jawaban: kurang 'body cognition'

iFlytek diam-diam telah mendaftarkan perusahaan baru, Anhui Yaofang Intelligent Technology Co., Ltd., dengan modal terdaftar sebesar 300 juta yuan, dipimpin oleh Pan Jia, seorang ilmuwan utama iFlytek dan kontributor kunci dalam Penghargaan Pertama Kemajuan Sains dan Teknologi Nasional. Perusahaan ini berfokus pada pembangunan 'otak' untuk robot, dengan argumen bahwa arsitektur VLA (Vision-Language-Action) yang saat ini menjadi arus utama bukanlah solusi akhir karena tidak memiliki prediksi konsekuensi. Mereka mengusulkan bahwa model dunia memerlukan komponen tambahan: 'kognisi tubuh' — kemampuan robot untuk memahami batas fisiknya sendiri. Tim tersebut merilis laporan teknis, iFLYTEK-Embodied-Omni, yang memperkenalkan model dasar multimodal yang terwujud secara terpadu yang menggabungkan VLM (Vision-Language Model), VGM (Video Generation Model), dan AGM (Action Generation Model) dengan mekanisme perhatian bersama multimodal. Model ini mencakup kinematika invers sebagai tugas pelatihan untuk meningkatkan kognisi tubuh. Dalam tolok ukur, model ini mencapai tingkat keberhasilan rata-rata 89,6% dalam generalisasi zero-shot LIBERO-Plus dan lebih dari 93% dalam tugas lengan ganda RoboTwin 2.0. Perusahaan berencana untuk mengintegrasikan dengan anak perusahaan iFlytek, Lingdong General Robot, untuk menerapkan otak tersebut pada robot nyata.