ロボットがなぜデモのままで止まっているのか？ 科大訊飛（iFlytek）の新会社が答える：「身体認知」の欠如

科大讯飛（iFlytek）がひっそりと新会社「安徽耀方智能科技有限公司」を登記した。登録資本金は3億元で、科大訊飛の首席科学者であり、国家科学技術進歩一等賞の主要貢献者である潘嘉氏が率いる。同社はロボットの「頭脳」構築に注力しており、現在主流のVLA（Vision-Language-Action：視覚・言語・行動）アーキテクチャは結果予測が欠けているため最終的な解決策ではないと主張する。彼らは世界モデルに「身体認知」、つまりロボットが自身の物理的限界を理解する能力という追加要素が必要だと提唱する。チームは技術報告書「iFLYTEK-Embodied-Omni」を公開し、共有マルチモーダル自己注意機構を用いてVLM（Vision-Language Model：視覚言語モデル）、VGM（Video Generation Model：動画生成モデル）、AGM（Action Generation Model：行動生成モデル）を統合した統一マルチモーダル具現化基盤モデルを紹介した。このモデルは身体認知を強化するために逆運動学を学習タスクとして含む。ベンチマークテストでは、LIBERO-Plusのゼロショット汎化で平均成功率89.6%、RoboTwin 2.0の両腕タスクで93%超を達成した。同社は科大訊飛の子会社である凌雲汎用ロボットと連携し、この頭脳を実際のロボットに搭載する計画である。