Por que os robôs estão presos em demonstrações? A nova empresa da iFlytek responde: falta de 'cognição corporal'

A iFlytek registrou discretamente uma nova empresa, a Anhui Yaofang Intelligent Technology Co., Ltd., com capital registrado de 300 milhões de yuans, liderada por Pan Jia, cientista-chefe da iFlytek e colaborador-chave do Primeiro Prêmio Nacional de Progresso Científico e Tecnológico. A empresa foca na construção do 'cérebro' para robôs, argumentando que a atual arquitetura VLA (Vision-Language-Action - Visão-Linguagem-Ação) não é a solução final devido à falta de previsão de consequências. Eles propõem que os modelos de mundo precisam de um componente adicional: 'cognição corporal' — a capacidade de um robô entender seus próprios limites físicos. A equipe divulgou um relatório técnico, iFLYTEK-Embodied-Omni, que apresenta um modelo de base multimodal incorporado unificado, combinando VLM (Vision-Language Model - Modelo de Visão-Linguagem), VGM (Video Generation Model - Modelo de Geração de Vídeo) e AGM (Action Generation Model - Modelo de Geração de Ação) com um mecanismo de autoatenção multimodal compartilhado. O modelo inclui cinemática inversa como tarefa de treinamento para aprimorar a cognição corporal. Em benchmarks, atinge uma taxa de sucesso média de 89,6% na generalização zero-shot LIBERO-Plus e mais de 93% em tarefas de dois braços no RoboTwin 2.0. A empresa planeja integrar-se com a subsidiária Lingdong General Robot da iFlytek para implantar o cérebro em robôs reais.