Jak do sebe zapadají ME-Brain, ME-VLM a ME-U0 od Li Auto

Li Auto představilo 22. září 2026 trojici projektů pro takzvanou vtělenou AI, tedy umělou inteligenci určenou k vnímání okolí a jednání ve fyzickém světě: systém ME-Brain-1.0, obrazově-jazykový model MachEmbodied-VLM (ME-VLM) a model MachEmbodied-U0 (ME-U0). Dohromady naznačují cestu od pozorování scény přes rozhodování až k pohybu robota. Zveřejněné výsledky ale samy o sobě nedokládají, že všechny tři části fungují společně jako jeden nezávisle ověřený robot na jediném čipu. 35

Jakou roli má která část

ME-Brain-1.0 je zastřešující systém, který Li Auto popisuje pomocí paměti, poznávání a jednání. Podle zpráv mohou paměťové moduly vytvářet a vyhledávat záznamy přímo na firemním čipu M100. To není totéž jako tvrzení, že na něm běží celý ME-Brain. 35

ME-VLM zpracovává obraz a jazyk pro porozumění situaci a koordinaci úloh. Jeho technická zpráva popisuje trénink na robotických i multimodálních úlohách včetně pozorování výsledků a zpětné vazby. Uvádějí se dvě varianty: větší 35B-A3B s architekturou směsi expertů a menší model se 4 miliardami parametrů určený pro nasazení přímo v zařízení. 15

ME-U0 má propojit porozumění zadání a scéně s vytvářením akcí. Jeho popisovaná architektura Mixture-of-Transformers spojuje části specializované na interpretaci s částmi, které generují postup robota. Rozpoznat, co je potřeba udělat, totiž ještě neznamená provést to spolehlivě. Zatím jde o popis doplňujících se součástí, ne o důkaz jejich společného provozu při autonomním nasazení. 25

Co říkají výsledky testů — a co ne

V porovnávacích tabulkách Li Auto má větší ME-VLM podle dostupných zpráv průměrné skóre přibližně 70,9 v testech vtělené AI a 72,5 v testech agentů; menší varianta je v těchto firemních srovnáních druhá. Bez úplných podmínek testování a nezávislého zopakování nelze tato čísla převést na obecnou míru spolehlivosti robota. 5

U ME-U0 firma uvádí 17,66 bodu v RoboDojo a průměrnou úspěšnost 99,1 % v LIBERO a 81,8 % v LIBERO-Plus. Výsledkům v LIBERO předcházelo přizpůsobení modelu pomocí trénovacích vodítek poskytnutých příslušným testem. Nejde tedy o úspěšnost bez předchozího přizpůsobení na neznámých úkolech v reálném prostředí. 3

Data a hranice tvrzení o čipu M100

Li Auto uvádí, že pro předtrénování ME-U0 vybralo asi 4 200 hodin dat ze souborů obsahujících zhruba 5 700 hodin robotických záznamů a 3 920 hodin videa z pohledu první osoby. Taková kombinace může modelu nabídnout širší škálu vizuálních situací než samotné robotické ukázky. Počet hodin však neříká, jak dobře si poradí s novým robotem či prostředím. 3

Pro menší ME-VLM autoři popisují kompresi obrazových tokenů, kvantizaci W4A8 a společnou optimalizaci softwaru s hardwarem. Na čipu M100 podle nich tyto úpravy zkrátily latenci fáze prefill ze 400 na 188 ms. Prefill je jen část výpočtu modelu, nikoli doba od zaznamenání změny v okolí po dokončení fyzické reakce. Citované podklady nedokládají společný běh většího ME-VLM, celého ME-Brain a ME-U0 na jednom čipu M100. 15

Ukázka není nezávislý test

Zprávy o uvedení zmiňují hodinovou ukázku uchopování předmětů a přibližně čtyřminutovou přípravu kávy rozdělenou do 15 kroků. Ukazují, jaké úlohy Li Auto předvedlo, nikoli úspěšnost při nezávisle zvolených předmětech, jiném osvětlení, vyrušení nebo dlouhodobém opakování. Dostupné citované materiály nepodkládají ani konkrétnější závěry třetí strany o selháních v těchto ukázkách. 3

Rozhodujícím dalším krokem by byl nezávislý, opakovatelný test propojeného systému: s neznámými scénami, měřením úspěšnosti a zotavení po chybách i s celkovou dobou od vjemu k akci na uvedeném hardwaru. Do té doby jsou výsledky testů a údaj o rychlejším prefillu dvě různé indicie, nikoli společný verdikt o schopnostech univerzálního robota. 135