Li Auto y su apuesta por la robótica: qué hacen ME-Brain, ME-VLM y ME-U0

Li Auto presentó el 22 de septiembre de 2026 tres piezas de su proyecto de IA incorporada, es decir, inteligencia artificial concebida para percibir el entorno y actuar físicamente en él: ME-Brain-1.0, MachEmbodied-VLM (ME-VLM) y MachEmbodied-U0 (ME-U0). Juntas plantean una ruta desde observar una escena hasta decidir y generar acciones. Lo que todavía no demuestran las fuentes disponibles es que las tres operen como un único robot autónomo, validado de forma independiente y ejecutado íntegramente en hardware local. 35

Tres piezas, tres funciones

ME-Brain-1.0 plantea la arquitectura del sistema. Li Auto la describe mediante memoria, cognición y acción. Según la información publicada sobre el lanzamiento, algunos módulos relacionados con la memoria pueden ejecutarse en el M100 —un sistema en chip o SoC de la compañía— para generar y recuperar recuerdos en el propio dispositivo. Eso no equivale a afirmar que todo ME-Brain funcione en ese chip. 35

ME-VLM se ocupa de la comprensión visual y lingüística y de la coordinación de agentes. Su informe técnico describe un entrenamiento con tareas de robótica y de agentes multimodales, incluidas observaciones y señales de respuesta útiles para valorar resultados y ajustar decisiones. La información sobre el lanzamiento distingue una versión grande de mezcla de expertos, denominada 35B-A3B, y otra de 4B orientada a la ejecución local. 15

ME-U0 busca conectar la comprensión con la generación de acciones. El diseño descrito como Mixture-of-Transformers enlaza componentes especializados en interpretar tareas y escenas con otros dedicados a generar acciones. Es una distinción importante: reconocer qué conviene hacer no garantiza, por sí solo, que un robot pueda hacerlo bien. Las tres piezas se presentan como complementarias, no como prueba de un despliegue autónomo que ya las integre y haya sido evaluado en conjunto. 25

Qué dicen —y qué no dicen— las cifras

En las comparaciones difundidas por Li Auto, el ME-VLM grande obtiene aproximadamente 70,9 puntos de media en conjuntos de pruebas de IA incorporada y 72,5 en pruebas de agentes; la versión 4B queda segunda en esas comparaciones de la empresa. Sin conocer todas las condiciones de evaluación ni contar con una reproducción independiente, esas medias no pueden interpretarse como una medida general de fiabilidad robótica. 5

Para ME-U0, Li Auto comunica 17,66 puntos en RoboDojo y tasas medias de éxito del 99,1 % en LIBERO y del 81,8 % en LIBERO-Plus. LIBERO y LIBERO-Plus son conjuntos de pruebas, y los resultados citados se obtuvieron después de adaptar el modelo con la supervisión proporcionada por cada uno. No describen, por tanto, un robot que resuelva sin adaptación tareas físicas nunca vistas. 3

Los datos de ME-U0 y el alcance del chip M100

La compañía afirma haber seleccionado unas 4.200 horas para el preentrenamiento de ME-U0 a partir de conjuntos iniciales de aproximadamente 5.700 horas de datos de robots y 3.920 horas de vídeo en primera persona. Combinar ambas fuentes podría ampliar las situaciones visuales que conoce el modelo más allá de las demostraciones grabadas por robots. Las cantidades, sin embargo, no indican por sí mismas si funcionará igual de bien con otro robot o en un entorno nuevo. 3

En cuanto a la ejecución local, los autores de ME-VLM describen compresión de unidades de información visual (tokens), cuantización W4A8 y optimización conjunta de hardware y software para la versión 4B en el M100. Informan de una reducción de 400 a 188 milisegundos en la latencia de prefill, la fase inicial en la que el modelo procesa la entrada. No es una medición del tiempo total desde que un robot detecta un cambio hasta que termina de responder físicamente. Tampoco acredita que el modelo 35B-A3B y todos los componentes de ME-Brain y ME-U0 se ejecuten juntos en un solo M100. 15

De una demostración a una prueba independiente

La cobertura del lanzamiento describe una demostración de agarre de una hora y otra secuencia de unos cuatro minutos en la que se prepara café mediante 15 pasos. Muestran las tareas elegidas para la presentación, pero no permiten calcular tasas de éxito con objetos, iluminación o interrupciones escogidos de forma independiente, ni anticipar el rendimiento tras un uso prolongado. Las fuentes citadas tampoco sostienen una conclusión específica de terceros sobre fallos en esas demostraciones. 3

La prueba decisiva sería una evaluación reproducible del sistema integrado, con tareas definidas de forma independiente: éxito y recuperación ante fallos en entornos desconocidos, además de latencia completa desde la percepción hasta la acción medida en el hardware anunciado. Mientras tanto, los resultados de las pruebas y la mejora del prefill en el M100 son indicios distintos y prometedores, no un veredicto único sobre robótica de propósito general. 135