X Square Robot、汎用ロボット向け基盤スタックを構築

中国の具現化AI企業であるX Square Robotは、汎用ロボットのレシピは、データ、物理変化を予測するワールドモデル、そして知覚・計画・推論・意思決定を統合するアクションモデルからなる統合スタックであると主張する。このスタックは三つの原則に基づいている：ロボットデータの基本単位は軌跡ではなくインタラクションであること、事前学習は利用可能な能力を生み出すべきであること、そして行動は固定時間スライスではなく物理イベントを中心にモデル化されるべきであること。データ収集には、同社のUniversal Manipulation Interface（UMI）システム、QUANXTA Zero Seriesを使用しており、これはデュアルグリッパーを備えたウェアラブルリグを介してデモンストレーションをキャプチャする。品質管理として、軌跡を物理的に再生し、タスクを完了したもののみを有効とカウントすることを重視している。ワールドモデルWALL-WMは、アクションに基づく意味的イベント（例えば、リーチ、把握）を単位とし、テキストからビデオへのモデルと新しいアクションネットワークを組み合わせて視覚的先験的知識を保持する。アクションモデルWall-OSS-0.5は視覚言語アクションモデルであり、タスク固有のファインチューニング前に実際のロボット上で実行する必要があり、X-Tokenizer（言語モデルの特徴と整合する離散アクショントークンのための意味的インターフェース）を使用する。X Square Robotの評価額は200億元（約29億米ドル）を超えている。