Qianjue představila Polibrain 20. října 2026 na konferenci o fyzické AI a světových modelech v čínském Nankingu. Model má předvídat změny důležité pro úkol — například polohu předmětu a výsledek úchopu — místo generování každého budoucího videozáběru.
PublikovalUpraveno pomocí GPT-6 LunaObrázky vytvořeny pomocí GPT Image 2
Research answer

Create a landscape editorial hero image for this Studio Global article: What is Polibrain, the predictive robot world model unveiled by Tsinghua rooted embodied AI company Qianjue and founder Gao Haichuan during. Article summary: Polibrain is Qianjue Technology’s predictive world model for a robot “brain”: it forecasts how actions change task relevant physical states, rather than reconstructing every future video frame.. Topic tags: general web, chatgpt, ai, api, benchmarks. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait t
Polibrain je prediktivní model společnosti Qianjue Technology, který má fungovat jako „mozek“ robota. Místo toho, aby vytvářel celé budoucí video, odhaduje, jak se po určité akci změní stav okolního světa — a tyto předpovědi využívá při plánování pohybu a řízení. Model představil zakladatel a generální ředitel firmy Kao Chaj-čchuan 20. října 2026 na první konferenci o fyzické AI a světových modelech v Nankingu.7
8
Polibrain se podle popisu učí vztahy mezi stavem prostředí, informacemi z předchozích kroků a výsledky provedených akcí. Změny pak předpovídá v takzvaném latentním prostoru — zjednodušeném vnitřním popisu situace, který neuchovává každý obrazový detail. Výsledek má robotovi pomoci rozhodnout, co udělat dál.7
Při sbírání odpadku je důležitá například jeho poloha, vzdálenost a vztah k mechanické paži nebo to, zda se po pokusu o uchopení předmět skutečně zvedl. Barva země či vzor v pozadí mohou být pro splnění úkolu nepodstatné.4
Qianjue uvádí, že používá vlastní architekturu založenou na polynomiálních reprezentacích. Jejím cílem je omezit takzvané „znečištění příznaků“: situaci, kdy se do informací podstatných pro úkol zamíchají například osvětlení nebo textura pozadí, a modelu se pak hůř daří v jiném prostředí.9
Popsaný postup propojuje vnímání prostředí, pochopení jeho stavu, předpověď následků akce, rozhodnutí, provedení a následnou zpětnou vazbu. Pokud se skutečný výsledek liší od očekávání — třeba se úchop nepodaří — robot může podle nových informací plán upravit.15
Dostupné podklady ale nepotvrzují podrobnější tvrzení, že dekódování klíčových znaků umí přesně určit příčinu odchylky nebo diagnostikovat konkrétní poruchu. Přesný rozsah této schopnosti proto nelze z popisu spolehlivě posoudit.
Při předvedené úloze nesl čtyřnohý robot mechanickou paži a sběrný koš. Měl najít odpadek, přiblížit se k němu, naplánovat uchopení a vložit jej do koše.5
Qianjue popisuje architekturu, která odděluje společné porozumění prostředí od ovládání konkrétního robota. Takový přístup by mohl usnadnit přenos mezi různými typy strojů, například čtyřnohými, humanoidními nebo kolovými roboty; dostupné podklady zmiňují také platformy se dvěma pažemi.15 Z toho ale neplyne, že všechny tyto možnosti byly stejně důkladně ověřeny v provozu.
Firma Polibrain představuje jako základ pro robotickou inteligenci využitelnou napříč různými těly. To naznačuje snahu oddělit část „mozku“ od konkrétní konstrukce robota, samo o sobě to však nedokládá, že Qianjue vůbec nevyrábí hardware.6
Za jedním z výzkumných základů má stát společná práce Qianjue a Tsinghua University When Do Neural Networks Learn World Models?, představená na konferenci ICML 2025. Zabývá se tím, za jakých podmínek mohou neuronové sítě odvodit skryté proměnné, které popisují fungování světa.10 Další navazující práce se věnuje ukazateli Effective Degree, který má vyčíslovat složitost funkce naučené neuronovou sítí a pomoci při návrhu reprezentací.
4
9
Tým podle dostupných zpráv zkoumal také výběr minulých pozorování pomocí kontrafaktuálního usuzování — tedy posuzování, zda by změna některé dřívější informace ovlivnila pozdější předpověď nebo rozhodnutí. Není ale dost podkladů, aby bylo možné potvrdit přesný mechanismus této metody nebo její konkrétní začlenění do Polibrainu.
Popsané důkazy podporují hlavní rozdíl: Polibrain má předpovídat změny podstatné pro řízení robota, nikoli vytvářet realistický obraz každého okamžiku budoucnosti.4
7 Nepotvrzují však spolehlivý provoz v široké škále složitých reálných situací ani všechny uváděné možnosti použití. Předvedená demonstrace je ukázkou funkce, ne měřítkem dlouhodobé spolehlivosti.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
Qianjue představila Polibrain 20. října 2026 na konferenci o fyzické AI a světových modelech v čínském Nankingu.
Qianjue představila Polibrain 20. října 2026 na konferenci o fyzické AI a světových modelech v čínském Nankingu. Model má předvídat změny důležité pro úkol — například polohu předmětu a výsledek úchopu — místo generování každého budoucího videozáběru.
Firma předvedla čtyřnohého robota s mechanickou paží při sbírání odpadků; samotná ukázka ale není důkazem spolehlivosti v různorodých reálných podmínkách.
Qianjue představila Polibrain 20. října 2026 na konferenci o fyzické AI a světových modelech v čínském Nankingu. Model má předvídat změny důležité pro úkol — například polohu předmětu a výsledek úchopu — místo generování každého budoucího videozáběru.
PublikovalUpraveno pomocí GPT-6 LunaObrázky vytvořeny pomocí GPT Image 2
Research answer

Create a landscape editorial hero image for this Studio Global article: What is Polibrain, the predictive robot world model unveiled by Tsinghua rooted embodied AI company Qianjue and founder Gao Haichuan during. Article summary: Polibrain is Qianjue Technology’s predictive world model for a robot “brain”: it forecasts how actions change task relevant physical states, rather than reconstructing every future video frame.. Topic tags: general web, chatgpt, ai, api, benchmarks. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait t
Polibrain je prediktivní model společnosti Qianjue Technology, který má fungovat jako „mozek“ robota. Místo toho, aby vytvářel celé budoucí video, odhaduje, jak se po určité akci změní stav okolního světa — a tyto předpovědi využívá při plánování pohybu a řízení. Model představil zakladatel a generální ředitel firmy Kao Chaj-čchuan 20. října 2026 na první konferenci o fyzické AI a světových modelech v Nankingu.7
8
Polibrain se podle popisu učí vztahy mezi stavem prostředí, informacemi z předchozích kroků a výsledky provedených akcí. Změny pak předpovídá v takzvaném latentním prostoru — zjednodušeném vnitřním popisu situace, který neuchovává každý obrazový detail. Výsledek má robotovi pomoci rozhodnout, co udělat dál.7
Při sbírání odpadku je důležitá například jeho poloha, vzdálenost a vztah k mechanické paži nebo to, zda se po pokusu o uchopení předmět skutečně zvedl. Barva země či vzor v pozadí mohou být pro splnění úkolu nepodstatné.4
Qianjue uvádí, že používá vlastní architekturu založenou na polynomiálních reprezentacích. Jejím cílem je omezit takzvané „znečištění příznaků“: situaci, kdy se do informací podstatných pro úkol zamíchají například osvětlení nebo textura pozadí, a modelu se pak hůř daří v jiném prostředí.9
Popsaný postup propojuje vnímání prostředí, pochopení jeho stavu, předpověď následků akce, rozhodnutí, provedení a následnou zpětnou vazbu. Pokud se skutečný výsledek liší od očekávání — třeba se úchop nepodaří — robot může podle nových informací plán upravit.15
Dostupné podklady ale nepotvrzují podrobnější tvrzení, že dekódování klíčových znaků umí přesně určit příčinu odchylky nebo diagnostikovat konkrétní poruchu. Přesný rozsah této schopnosti proto nelze z popisu spolehlivě posoudit.
Při předvedené úloze nesl čtyřnohý robot mechanickou paži a sběrný koš. Měl najít odpadek, přiblížit se k němu, naplánovat uchopení a vložit jej do koše.5
Qianjue popisuje architekturu, která odděluje společné porozumění prostředí od ovládání konkrétního robota. Takový přístup by mohl usnadnit přenos mezi různými typy strojů, například čtyřnohými, humanoidními nebo kolovými roboty; dostupné podklady zmiňují také platformy se dvěma pažemi.15 Z toho ale neplyne, že všechny tyto možnosti byly stejně důkladně ověřeny v provozu.
Firma Polibrain představuje jako základ pro robotickou inteligenci využitelnou napříč různými těly. To naznačuje snahu oddělit část „mozku“ od konkrétní konstrukce robota, samo o sobě to však nedokládá, že Qianjue vůbec nevyrábí hardware.6
Za jedním z výzkumných základů má stát společná práce Qianjue a Tsinghua University When Do Neural Networks Learn World Models?, představená na konferenci ICML 2025. Zabývá se tím, za jakých podmínek mohou neuronové sítě odvodit skryté proměnné, které popisují fungování světa.10 Další navazující práce se věnuje ukazateli Effective Degree, který má vyčíslovat složitost funkce naučené neuronovou sítí a pomoci při návrhu reprezentací.
4
9
Tým podle dostupných zpráv zkoumal také výběr minulých pozorování pomocí kontrafaktuálního usuzování — tedy posuzování, zda by změna některé dřívější informace ovlivnila pozdější předpověď nebo rozhodnutí. Není ale dost podkladů, aby bylo možné potvrdit přesný mechanismus této metody nebo její konkrétní začlenění do Polibrainu.
Popsané důkazy podporují hlavní rozdíl: Polibrain má předpovídat změny podstatné pro řízení robota, nikoli vytvářet realistický obraz každého okamžiku budoucnosti.4
7 Nepotvrzují však spolehlivý provoz v široké škále složitých reálných situací ani všechny uváděné možnosti použití. Předvedená demonstrace je ukázkou funkce, ne měřítkem dlouhodobé spolehlivosti.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
Qianjue představila Polibrain 20. října 2026 na konferenci o fyzické AI a světových modelech v čínském Nankingu.
Qianjue představila Polibrain 20. října 2026 na konferenci o fyzické AI a světových modelech v čínském Nankingu. Model má předvídat změny důležité pro úkol — například polohu předmětu a výsledek úchopu — místo generování každého budoucího videozáběru.
Firma předvedla čtyřnohého robota s mechanickou paží při sbírání odpadků; samotná ukázka ale není důkazem spolehlivosti v různorodých reálných podmínkách.