X Square Robot 构建通用机器人基础栈

中国具身智能公司X Square Robot认为，打造通用机器人的关键在于一套集成式技术栈，涵盖数据、用于预测物理变化的世界模型，以及统一感知、规划、推理和决策的动作模型。该技术栈基于三个原则：机器人数据的基本单元是交互而非轨迹；预训练应产出可用能力；行为应围绕物理事件而非固定时间片建模。在数据采集方面，公司使用其通用操控接口（UMI）系统QUANXTA Zero系列，通过配备双夹爪的可穿戴设备采集演示数据。它强调质量控制，通过物理回放轨迹，仅将成功完成任务的轨迹计为有效数据。世界模型WALL-WM将基于动作的语义事件（如：到达、抓取）作为基本单元，结合文本到视频模型与全新的动作网络，以保留视觉先验知识。动作模型Wall-OSS-0.5是一个视觉-语言-动作模型，在进行任务特定微调前必须先在真实机器人上运行，并使用X-Tokenizer——一种与语言模型特征对齐的离散动作令牌语义接口。X Square Robot的估值已超过200亿元人民币（约29亿美元）。