Polibrain ist Qianjue Technologys prädiktives Weltmodell für Roboter. Es soll Folgen von Handlungen für relevante Zustände vorhersagen, statt jedes künftige Videobild zu erzeugen.
Veröffentlicht vonBearbeitet mit GPT-6 LunaBilder erstellt mit GPT Image 2
Forschungsantwort

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 ist ein prädiktives Weltmodell von Qianjue Technology, das als eine Art „Gehirn“ für Roboter gedacht ist. Statt jedes künftige Bild zu rekonstruieren, soll es vorhersagen, wie eine Handlung relevante Zustände in der physischen Umgebung verändert. Gründer und CEO Gao Haichuan stellte das Modell am 20. Oktober 2026 auf der ersten Konferenz für Physical AI und Weltmodelle in Nanjing vor.7
8
Polibrain lernt den Angaben zufolge Zusammenhänge zwischen dem Zustand der Umgebung, früheren Informationen und den Ergebnissen von Handlungen. Anschließend sagt es Veränderungen in einer sogenannten latenten Repräsentation voraus – einer kompakten internen Beschreibung der Situation. Diese Vorhersagen sollen Roboter bei Planung und Steuerung unterstützen.7
Bei einer Greifaufgabe muss ein Roboter beispielsweise wissen, wo der Gegenstand liegt, wie sein Arm zum Ziel steht und was ein Greifversuch am Gegenstand verändert. Bodenfarbe oder Hintergrundtextur sind dagegen nicht unbedingt entscheidend dafür, ob die Aufgabe gelingt.4
Qianjue setzt nach eigenen Angaben auf eine selbst entwickelte Architektur mit polynomiellen Repräsentationen. Sie soll verhindern, dass aufgabenfremde Merkmale wie Beleuchtung oder Hintergrundmuster zu stark mit den für die Aufgabe wichtigen Informationen vermischt werden. Solche „Merkmalsverunreinigungen“ könnten sonst die Übertragbarkeit auf neue Umgebungen beeinträchtigen.9
Der beschriebene Ablauf verbindet Wahrnehmung, Verständnis des Zustands, Vorhersage möglicher Handlungen, Entscheidung, Ausführung und Rückmeldung zu einem Regelkreis. Weicht das Ergebnis von der Erwartung ab, kann der Roboter seine nächste Handlung neu planen.15 Die vorliegenden Auszüge belegen jedoch nicht genauer, wie eine spezielle Merkmalsanalyse Abweichungen erkennt oder einzelne Fehler diagnostiziert.
Als Beispiel wurde ein vierbeiniger Roboter mit mechanischem Arm und Sammelkorb beim Aufsammeln von Müll im Freien gezeigt: Er sollte Abfälle finden, sich ihnen nähern, einen Greifvorgang planen und das Stück in den Korb legen.5 Eine solche Vorführung illustriert den Ansatz, ist aber kein Nachweis für zuverlässigen Betrieb in unterschiedlichsten komplexen Situationen.
Berichte beschreiben eine lose gekoppelte Architektur: Ein gemeinsamer Teil soll die Umgebung verstehen, während die konkrete Ausführung an den jeweiligen Robotertyp angepasst wird. Genannt werden vierbeinige, humanoide, radbasierte und zweiarmige Plattformen.15 Das deutet auf den Versuch hin, Fähigkeiten über unterschiedliche Roboterkörper hinweg nutzbar zu machen. Eine bestätigte Anpassung an einarmige Roboter oder ein gemeinsames System, in dem vernetzte Haushaltsgeräte und Roboter Daten in ein einziges Modell einspeisen, geht aus den vorliegenden Belegen dagegen nicht hervor.
Die Forschungsgrundlage umfasst eine gemeinsame Arbeit von Qianjue und der Tsinghua-Universität, die 2025 auf der International Conference on Machine Learning (ICML) vorgestellt wurde. Sie untersucht, unter welchen Bedingungen neuronale Netze grundlegende Variablen einer Welt rekonstruieren können.10 Für 2026 berichten Quellen außerdem über „Effective Degree“ – ein Maß, das die Komplexität der von neuronalen Netzen gelernten Funktionen beschreiben soll.
4
9
Das Team hat laut Berichten auch eine Methode zur Auswahl relevanter früherer Beobachtungen untersucht. Ob und wie genau dieses Verfahren in Polibrain integriert ist, lässt sich anhand der vorliegenden Auszüge nicht bestätigen.
Der zentrale Anspruch ist damit klar: Polibrain soll für die Robotersteuerung wichtige Folgen von Handlungen vorhersagen, anstatt vor allem künftige Bilder zu erzeugen. Wie weit die Technik trägt und wie verlässlich sie sich in der Praxis bewährt, bleibt eine offene Frage.4
7
Studio Global AI
Diese Seite enthält eine quellengestützte Antwort, die Sie in Studio Global fortsetzen können.
Polibrain ist Qianjue Technologys prädiktives Weltmodell für Roboter. Es soll Folgen von Handlungen für relevante Zustände vorhersagen, statt jedes künftige Videobild zu erzeugen.
Polibrain ist Qianjue Technologys prädiktives Weltmodell für Roboter. Es soll Folgen von Handlungen für relevante Zustände vorhersagen, statt jedes künftige Videobild zu erzeugen. Bei einer Greifaufgabe zählen etwa die Position eines Gegenstands und seine Beziehung zum Roboterarm – nicht unbedingt Bodenfarbe oder Hintergrundmuster.
Eine Demonstration mit einem vierbeinigen Roboter beim Müllsammeln zeigt den Ansatz.
Polibrain ist Qianjue Technologys prädiktives Weltmodell für Roboter. Es soll Folgen von Handlungen für relevante Zustände vorhersagen, statt jedes künftige Videobild zu erzeugen.
Veröffentlicht vonBearbeitet mit GPT-6 LunaBilder erstellt mit GPT Image 2
Forschungsantwort

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 ist ein prädiktives Weltmodell von Qianjue Technology, das als eine Art „Gehirn“ für Roboter gedacht ist. Statt jedes künftige Bild zu rekonstruieren, soll es vorhersagen, wie eine Handlung relevante Zustände in der physischen Umgebung verändert. Gründer und CEO Gao Haichuan stellte das Modell am 20. Oktober 2026 auf der ersten Konferenz für Physical AI und Weltmodelle in Nanjing vor.7
8
Polibrain lernt den Angaben zufolge Zusammenhänge zwischen dem Zustand der Umgebung, früheren Informationen und den Ergebnissen von Handlungen. Anschließend sagt es Veränderungen in einer sogenannten latenten Repräsentation voraus – einer kompakten internen Beschreibung der Situation. Diese Vorhersagen sollen Roboter bei Planung und Steuerung unterstützen.7
Bei einer Greifaufgabe muss ein Roboter beispielsweise wissen, wo der Gegenstand liegt, wie sein Arm zum Ziel steht und was ein Greifversuch am Gegenstand verändert. Bodenfarbe oder Hintergrundtextur sind dagegen nicht unbedingt entscheidend dafür, ob die Aufgabe gelingt.4
Qianjue setzt nach eigenen Angaben auf eine selbst entwickelte Architektur mit polynomiellen Repräsentationen. Sie soll verhindern, dass aufgabenfremde Merkmale wie Beleuchtung oder Hintergrundmuster zu stark mit den für die Aufgabe wichtigen Informationen vermischt werden. Solche „Merkmalsverunreinigungen“ könnten sonst die Übertragbarkeit auf neue Umgebungen beeinträchtigen.9
Der beschriebene Ablauf verbindet Wahrnehmung, Verständnis des Zustands, Vorhersage möglicher Handlungen, Entscheidung, Ausführung und Rückmeldung zu einem Regelkreis. Weicht das Ergebnis von der Erwartung ab, kann der Roboter seine nächste Handlung neu planen.15 Die vorliegenden Auszüge belegen jedoch nicht genauer, wie eine spezielle Merkmalsanalyse Abweichungen erkennt oder einzelne Fehler diagnostiziert.
Als Beispiel wurde ein vierbeiniger Roboter mit mechanischem Arm und Sammelkorb beim Aufsammeln von Müll im Freien gezeigt: Er sollte Abfälle finden, sich ihnen nähern, einen Greifvorgang planen und das Stück in den Korb legen.5 Eine solche Vorführung illustriert den Ansatz, ist aber kein Nachweis für zuverlässigen Betrieb in unterschiedlichsten komplexen Situationen.
Berichte beschreiben eine lose gekoppelte Architektur: Ein gemeinsamer Teil soll die Umgebung verstehen, während die konkrete Ausführung an den jeweiligen Robotertyp angepasst wird. Genannt werden vierbeinige, humanoide, radbasierte und zweiarmige Plattformen.15 Das deutet auf den Versuch hin, Fähigkeiten über unterschiedliche Roboterkörper hinweg nutzbar zu machen. Eine bestätigte Anpassung an einarmige Roboter oder ein gemeinsames System, in dem vernetzte Haushaltsgeräte und Roboter Daten in ein einziges Modell einspeisen, geht aus den vorliegenden Belegen dagegen nicht hervor.
Die Forschungsgrundlage umfasst eine gemeinsame Arbeit von Qianjue und der Tsinghua-Universität, die 2025 auf der International Conference on Machine Learning (ICML) vorgestellt wurde. Sie untersucht, unter welchen Bedingungen neuronale Netze grundlegende Variablen einer Welt rekonstruieren können.10 Für 2026 berichten Quellen außerdem über „Effective Degree“ – ein Maß, das die Komplexität der von neuronalen Netzen gelernten Funktionen beschreiben soll.
4
9
Das Team hat laut Berichten auch eine Methode zur Auswahl relevanter früherer Beobachtungen untersucht. Ob und wie genau dieses Verfahren in Polibrain integriert ist, lässt sich anhand der vorliegenden Auszüge nicht bestätigen.
Der zentrale Anspruch ist damit klar: Polibrain soll für die Robotersteuerung wichtige Folgen von Handlungen vorhersagen, anstatt vor allem künftige Bilder zu erzeugen. Wie weit die Technik trägt und wie verlässlich sie sich in der Praxis bewährt, bleibt eine offene Frage.4
7
Studio Global AI
Diese Seite enthält eine quellengestützte Antwort, die Sie in Studio Global fortsetzen können.
Polibrain ist Qianjue Technologys prädiktives Weltmodell für Roboter. Es soll Folgen von Handlungen für relevante Zustände vorhersagen, statt jedes künftige Videobild zu erzeugen.
Polibrain ist Qianjue Technologys prädiktives Weltmodell für Roboter. Es soll Folgen von Handlungen für relevante Zustände vorhersagen, statt jedes künftige Videobild zu erzeugen. Bei einer Greifaufgabe zählen etwa die Position eines Gegenstands und seine Beziehung zum Roboterarm – nicht unbedingt Bodenfarbe oder Hintergrundmuster.
Eine Demonstration mit einem vierbeinigen Roboter beim Müllsammeln zeigt den Ansatz.