AnswersPublished18 sources
Intern W0: Shanghais AI-lab vil give laboratorierobotter følesans
Shanghai AI Laboratory lancerede Intern Physical World Model W0 omkring 13. 14. W0's "native force tactile" design gør feedback fra kontakt til en del af selve manipulationsbeslutningen, mens den asynkrone duplex arkitektur lader forudsigelse og hurtige kontrolopdateringer køre på forskellige tid...
Udgivet afRedigeret med GPT-5.6 TerraBilleder genereret med GPT Image 2
Research answer
Key takeaways
- Shanghai AI Laboratory lancerede Intern Physical World Model W0 omkring 13. 14.
- W0's "native force tactile" design gør feedback fra kontakt til en del af selve manipulationsbeslutningen, mens den asynkrone duplex arkitektur lader forudsigelse og hurtige kontrolopdateringer køre på forskellige tid...
- W0 er en fysisk robotplatform – ikke en variant af NCP ArchPreview, som er en sprogmodel i latent rum, trænet til at forudsige både næste token og begreber på tværs af flere tokens.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What is Shanghai Artificial Intelligence Laboratory’s Intern physical world model W0, when was it released, how does its native force-tactil. Article summary: Intern Physical World Model W0 is Shanghai AI Laboratory’s reported embodied-AI model for contact-rich robot manipulation. It was announced around September 13–14, 2026; public technical evidence currently appears to be . Topic tags: general, government, academic, education, general web. 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, watermark
Shanghai AI Laboratorys Intern Physical World Model W0 er et rapporteret system inden for fysisk AI, der skal flytte AI-styret arbejde fra digitale planer til fysisk håndtering, hvor robotten hele tiden møder modstand, friktion og berøring. W0 blev omtalt ved lanceringen 13.-14. september 2026 og beskrives som et system, der kombinerer syn med kraft-, berørings- og data om robottens egen tilstand, så robotten kan opfatte, forudsige, handle og korrigere undervejs. 32
35
Det centrale: Robotten skal kunne mærke, når noget ændrer sig
Mange robotopgaver mislykkes ikke, fordi genstanden er uden for kameraets synsfelt. Problemet er ofte fysisk: En beholder yder uventet modstand, et gribeværktøj begynder at glide, et instrument rammer en overflade, eller et materiale opfører sig anderledes end forventet.
W0 præsenteres som en kombineret verdensmodel og handlingsmodel til netop den slags situationer. Ifølge den offentlige omtale samler systemet:
- Syn til at observere genstande, værktøj og arbejdsområdet;
- kraft- og berøringssignaler til at registrere kontakt og modstand;
- robottilstand, eksempelvis position og bevægelsestilstand, som grundlag for håndteringsbeslutninger;
- forudsigelser af, hvad der sandsynligvis sker som det næste; og
- handling og korrektion, når der kommer ny multimodal feedback.
32
35
Målet er en tættere kontrolsløjfe end en fast, visuelt baseret plan. I stedet skal robotten kunne justere sine næste bevægelser, når kontaktforholdene ændrer sig. Det er særlig relevant ved skånsom håndtering, isætning af dele, omrøring og arbejde med beholdere – opgaver, hvor et kamera alene ikke nødvendigvis viser den afgørende tilstand.
Hvad betyder "native force-tactile"?
I Shanghai AI Labs lanceringstekster beskrives W0 som bygget med native force-tactile-sansning. I praksis betyder det, at kraft og berøring skal indgå i de løbende drifts- og handlingsbeslutninger på linje med syn og robottilstand – frem for blot at fungere som en separat sikkerhedsalarm efter planlægningen. 35
Det kan være vigtigt, når robotten møder signaler, der er svære at aflæse visuelt: uventet modstand, ændret kontaktkraft eller et greb, der glider. Den bredere forskningsretning er velkendt: Berøringsbaserede world-action-modeller forsøger at modellere både visuelle og fysiske kontaktresultater ved opgaver med meget fysisk kontakt. 33
Der er dog ikke offentliggjort en fuld teknisk artikel om W0, et datasæt eller en reproducerbar benchmarkpakke. Derfor bør betegnelsen "native" foreløbig læses som en beskrivelse af det rapporterede design og den påståede funktion – ikke som en uafhængigt gennemprøvet implementering.
Asynkront duplex-samarbejde: Planlægning og reaktion samtidig
W0's anden hovedfunktion kaldes duplex-samarbejde og beskrives som en asynkron arkitektur med forskellige frekvenser. 35
Den praktiske fortolkning er, at to processer kan køre parallelt:
- Et forudsigende spor kan fastholde eller opdatere en forventning om opgaven og den fysiske tilstand på kort sigt.
- Et reaktivt kontrolspor kan modtage nye sensordata og justere motorstyringen uden at vente på, at en langsommere planlægningscyklus er færdig.
Det er væsentligt i robotopgaver med meget kontakt. Planlægning har gavn af et længere tidsperspektiv, mens styring af kontakt ofte kræver meget hurtige reaktioner. Ved at lade de to processer arbejde på forskellige tidsskalaer kan tiden fra en ændring i omgivelserne til en korrigerende handling blive kortere. 35
W0 er ikke NCP-ArchPreview
Ordet "samarbejde" kan skabe forvirring, fordi Shanghai AI Lab også forbindes med NCP-ArchPreview, udviklet sammen med LUMIA Lab ved Shanghai Jiao Tong University. Men de to systemer retter sig mod grundlæggende forskellige problemer.
| System | Primært område | Hvad det kombinerer | Output |
|---|---|---|---|
| Intern W0 | Fysisk robotteknologi | Syn, kraft, berøring, robottilstand, forudsigelse og styring | Fysiske handlinger og opdaterede tilstandsforudsigelser |
| NCP-ArchPreview | Sprogmodellering | Forudsigelse af næste token og Next Concept Prediction | Tekstgenerering via en almindelig næste-token-grænseflade |
NCP-ArchPreview lærer en diskret, latent repræsentation af "begreber", som spænder over flere tokens, samtidig med traditionel forudsigelse af næste token. Begrebsforudsigelserne guider en token-dekoder, men modellen bevarer den sædvanlige grænseflade for tekstgenerering. 19
22
Kort sagt handler W0 om sansemotorisk samspil med den fysiske verden, mens NCP-ArchPreview handler om at organisere og forudsige sproglige repræsentationer i latent rum. Det tilgængelige materiale dokumenterer ikke, at NCP-ArchPreview er W0's styring eller en central W0-komponent.
Koblingen til Intern InkStone og Intern-S2
Ifølge lanceringsomtalen er W0 knyttet til platformen Intern InkStone for videnskabelig opdagelse og arbejder sammen med videnskabsmodellen Intern-S2. 32 Intern-S2 præsenteres selv som en serie af agentiske grundmodeller til multimodal videnskabelig forståelse, ræsonnement, generering og opgaver over lange handlingsforløb.
12
Den rapporterede arbejdsdeling ligner en mulig lukket laboratoriecyklus:
- Et videnskabeligt system hjælper med at formulere hypoteser, procedurer eller forsøgsvalg.
- Laboratorieudstyr styret af W0 udfører de fysiske trin og observerer gennemførelsen.
- Forsøgsresultaterne føres tilbage til næste iteration i stedet for at afslutte forløbet efter ét fast script.
Det er relevant, fordi den vanskelige grænse i autonom forskning ofte ikke er at foreslå en procedure, men at udføre den stabilt på rigtigt udstyr, med rigtige materialer og løbende feedback.
Rapporterede anvendelser i våd- og tørlaboratorier
Lanceringsomtalen tilskriver kombinationen af W0, InkStone og Intern-S2 flere lukkede arbejdsgange:
- styret evolution af proteiner til genredigering;
- organisk flerstegssyntese af mepivacain; og
- fremstilling af lipidnanopartikler, herunder dynamisk justering af procesparametre under fremstillingen.
Det er troværdige målområder for adaptiv automatisering. Lipidnanopartikler afhænger eksempelvis af både formulering og procesbetingelser og bruges bredt som leveringssystemer for nukleinsyrebaserede stoffer. 1
9 Men de konkrete W0-demonstrationer er fortsat udviklernes egne rapporteringer: Det tilgængelige materiale fremlægger ikke protokoller, fejlprocenter, datasæt, sammenligninger mellem laboratorier eller uafhængige reproduktioner.
Potentialet – og det afgørende forbehold
W0's mulige betydning ligger i rollen som et automatiseringslag mellem AI-baseret videnskabeligt ræsonnement og praktisk forsøgsudførelse. Hvis et sådant system kan fungere pålideligt på tværs af instrumenter og laboratorier, kan det mindske afstanden mellem et planlagt forsøg og de fysiske trin, der skal til for at udføre det. Det kan gøre design-, bygge-, test- og læringscyklusser mere tilpasningsdygtige i kemi, biologi og materialeforskning. 32
Men den store udfordring er generalisering. Robotarbejde med kontakt er følsomt over for kalibrering, sensordrift, variationer i laboratorieudstyr og materialer, krav til kontamineringskontrol samt sjældne fejl med store konsekvenser. Det offentligt tilgængelige materiale viser endnu ikke, hvor pålidelig W0 er på tværs af laboratorier, instrumenter, langvarige protokoller eller uafhængige brugere.
Indtil videre bør W0 derfor ses som et bemærkelsesværdigt tidligt eksempel på fysisk AI rettet mod videnskaben: et system med en ambitiøs integrationsfortælling og rapporterede laboratorieanvendelser, men også med et væsentligt behov for uafhængig validering.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Intern W0: Shanghais AI-lab vil give laboratorierobotter følesans"?
Shanghai AI Laboratory lancerede Intern Physical World Model W0 omkring 13. 14.
What are the key points to validate first?
Shanghai AI Laboratory lancerede Intern Physical World Model W0 omkring 13. 14. W0's "native force tactile" design gør feedback fra kontakt til en del af selve manipulationsbeslutningen, mens den asynkrone duplex arkitektur lader forudsigelse og hurtige kontrolopdateringer køre på forskellige tid...
What should I do next in practice?
W0 er en fysisk robotplatform – ikke en variant af NCP ArchPreview, som er en sprogmodel i latent rum, trænet til at forudsige både næste token og begreber på tværs af flere tokens.
Sources
arxiv.org𝒩_0-TWAM: Scaling Tactile-Native World Action Model for ...
huggingface.coArchSpace-Collection/NCP_ArchPreview_dolma3_8.9B_Stage2_v1 · Hugging Face
hyper.aiNCP-ArchPreview Technical Report: Moving towards ...