Why Are Robots Stuck in Demos? New Company iFlytek Answers: Lack of 'Self-Awareness'

На выставке WAIC 2026 компания iFlytek (Китай) через дочернюю фирму Yao Fang Intelligence (Аньхой Яофан Чжинэн) представила новый подход к созданию «мозга» роботов. По словам руководителя Пан Цзя (Pan Jia), текущие демо-роботы работают медленно не из-за технических ограничений, а из-за страха ошибок: скорость можно увеличить, но тогда возрастает вероятность сбоев, что неприемлемо для реального использования. Пан Цзя — ведущий ученый iFlytek, лауреат первой премии Национальной научно-технической прогрессии. Он утверждает, что доминирующая архитектура VLA (Vision-Language-Action) — не финальное решение, а мировые модели страдают от двух недостатков: накопления ошибок при последовательном прогнозировании и отсутствия «осознания себя» (本体认知). Yao Fang предлагает собственную систему iFLYTEK-Embodied-Omni, где VLM (понимание и планирование), VGM (видеогенерация для предсказания) и AGM (генерация действий) работают совместно через общий механизм внимания. Ключевое нововведение — задача обратной кинематики как часть обучения, чтобы модель училась понимать возможности своего тела. При этом почти половина тренировочных данных — синтетические данные пространственного восприятия и планирования, а не реальные записи роботов. На бенчмарке LIBERO-Plus модель достигла средней успешности 89,6%, а на RoboTwin 2.0 — 93,68% в стандартной среде и 93,16% в случайной. Компания уже протестировала систему на реальных роботах в дочерней фирме Lingdong General Robot (Аньхой Линдун). Название «Yao Fang» (爻方) означает «изменение и устойчивость»: первый иероглиф «爻» символизирует перемены (инь и ян), второй «方» — стабильность. Статья компании доступна на arXiv.