Пекинская компания RoboScience, работающая в области embodied intelligence, 24 июня представила универсальную embodied‑модель Visics и раскрыла техническую архитектуру VLOA (Vision-Language-Object-Action). Решение показали на примерах реальных задач: сборка мебели, точный захват предметов, работа на динамической сборочной линии. Во всех демонстрациях использовалась собственная технология компании.
В центре архитектуры находится единый промежуточный стандарт представления Object Trajectory (3D point cloud trajectory). Он задаёт многоуровневую декуплированную систему, сфокусированную на манипулировании объектами. В распространённых подходах модели обучают по траекториям конкретных суставов робота, привязанных к определённому оборудованию. В Visics когнитивный и исполнительный уровни разделены. За счёт этого навыки можно переносить между разными роботами, типами объектов и сценариями задач.
Система использует архитектуру из двух движков. Embodied World Model обучается на больших массивах интернет‑видео и изучает физические свойства объектов, характер их движения и динамику сил. General Operation Model, в свою очередь, переводит траектории объектов в аппаратно‑независимые команды управления. Их связывает фреймворк VLOA: здесь Object Trajectory служит универсальным интерфейсом между восприятием и действием. По данным RoboScience, такая схема позволяет обобщать навыки по трём направлениям: адаптировать их к разным робот‑платформам, работать с различными типами объектов (rigid, articulated или soft deformable), а также выполнять широкий набор задач.
Компания также создала собственный высокоточный симуляционный движок RoboMirage и автоматизированные конвейеры видеоаннотации для генерации обучающих данных. Это снижает стоимость подготовки данных до 1/20–1/200 от традиционных методов. К концу 2026 года планируется расширить датасет до более чем 1TB данных траекторий манипуляций.
Как сообщает Pandaily, RoboScience поддерживают инвесторы JD.com, SenseTime, Fortune Capital, CMB Capital и Sinovation Ventures. Компания ведёт R&D и производство в Beijing, Shenzhen, Suzhou и Hangzhou. Сейчас решения уже тестируют предприятия из сфер розничной торговли, логистики и ухода за пожилыми людьми. Стандартизированное массовое производство роботов для промышленных и коммерческих задач планируется начать позже в этом году.
Ключевые факты
RoboScience официально представила универсальную embodied‑модель ИИ Visics 24 июня и раскрыла технические детали архитектуры VLOA (Vision-Language-Object-Action).
В архитектуре VLOA используется единый промежуточный стандарт представления Object Trajectory, траектория облака точек в 3D, служащая интерфейсом между восприятием и действием.
Visics построена на двухдвижковой архитектуре: Embodied World Model обучается на больших массивах интернет‑видео для понимания физики и движения объектов, а General Operation Model переводит траектории объектов в аппаратно‑независимые команды управления.
RoboScience использует симуляционный движок RoboMirage и автоматические пайплайны аннотации видео, что позволяет получать обучающие данные по цене от 1/20 до 1/200 традиционных подходов; компания планирует расширить набор данных манипуляционных траекторий до более чем 1TB к концу 2026 года.