X Square Robot constrói uma pilha fundamental para robôs de uso geral

A X Square Robot, empresa chinesa de IA incorporada, argumenta que a receita para robôs de uso geral é uma pilha integrada que abrange dados, um modelo de mundo para prever mudanças físicas e um modelo de ação que unifica percepção, planejamento, raciocínio e tomada de decisão. A pilha é construída sobre três princípios: a unidade básica dos dados do robô é uma interação, não uma trajetória; o pré-treinamento deve gerar capacidade utilizável; e o comportamento deve ser modelado em torno de eventos físicos, em vez de fatias de tempo fixas. Para coleta de dados, a empresa usa seu sistema Universal Manipulation Interface (UMI), QUANXTA Zero Series, que captura demonstrações por meio de um equipamento vestível com garras duplas. Ela enfatiza o controle de qualidade, reproduzindo fisicamente as trajetórias e contando apenas aquelas que completam tarefas como válidas. O modelo de mundo, WALL-WM, trata eventos semânticos fundamentados em ação (por exemplo, alcançar, agarrar) como unidades, combinando um modelo de texto para vídeo com uma nova rede de ação para preservar os conhecimentos visuais anteriores. O modelo de ação, Wall-OSS-0.5, é um modelo de visão-linguagem-ação que deve ser executado em um robô real antes do ajuste fino específico da tarefa e usa o X-Tokenizer, uma interface semântica para tokens de ação discretos alinhados com as características do modelo de linguagem. A avaliação da X Square Robot ultrapassou 20 bilhões de yuans (cerca de 2,9 bilhões de dólares).