机器人为何困在Demo中？讯飞新公司给出答案：缺少“身体认知”

科大讯飞（iFlytek）近期悄然注册了一家新公司——安徽耀方智能科技有限公司，注册资本3亿元人民币，由讯飞首席科学家、国家科学技术进步一等奖（National Science and Technology Progress First Prize）核心贡献者潘嘉领衔。该公司专注于打造机器人的“大脑”，团队认为，当前主流的VLA（Vision-Language-Action，视觉-语言-动作）架构并非终极方案，原因在于其缺乏对行为后果的预测能力。他们提出，世界模型还需要增加一个关键组成部分——“身体认知”，即机器人理解自身物理极限的能力。 该团队已发布技术报告《iFLYTEK-Embodied-Omni》，介绍了一种统一的多模态具身基础模型，该模型将VLM（Vision-Language Model，视觉-语言模型）、VGM（Video Generation Model，视频生成模型）与AGM（Action Generation Model，动作生成模型）相结合，并采用共享的多模态自注意力机制。该模型将逆运动学作为训练任务之一，以增强机器人的身体认知能力。在基准测试中，该模型在LIBERO-Plus零样本泛化任务中的平均成功率达到89.6%，在RoboTwin 2.0双臂任务中的成功率超过93%。 该公司计划与讯飞旗下子公司灵动通用机器人展开合作，将这一“大脑”系统部署到真实机器人中。