Li Auton MachEmbodied: kolme osaa, mutta ei vielä näyttöä valmiista robottijärjestelmästä

Li Auton Foundation Model -tiimi esitteli 22. syyskuuta 2026 kolme toisiinsa liittyvää robottitekoälyn julkaisua: ME-Brain-1.0:n, MachEmbodied-VLM:n (ME-VLM) ja MachEmbodied-U0:n (ME-U0). Ne hahmottelevat ketjun ympäristön havainnoinnista tehtävän tulkintaan ja toiminnan tuottamiseen. Julkaisut eivät silti yksin osoita, että koko ketju toimisi yhtenä, riippumattomasti testattuna robottina yhdellä laitteella. 35

Mikä on kunkin osan tehtävä?

ME-Brain-1.0 on järjestelmätason kokonaisuus. Li Auto kuvaa sitä muistin, päättelyn ja toiminnan kautta. Julkaisusta tehdyn uutisoinnin mukaan muistiin liittyviä moduuleja voidaan käyttää yhtiön M100-järjestelmäpiirillä tiedon muodostamiseen ja hakuun itse laitteessa. Tämä ei tarkoita, että ME-Brainin kaikki osat toimisivat samalla piirillä. 35

ME-VLM on näkö- ja kielimalli, jonka tehtäviin kuuluvat ympäristön tulkinta ja tekoälyagentin toiminnan koordinointi. Mallin tekninen raportti kuvaa koulutusta robotiikkaan ja multimodaalisiin agentteihin liittyvillä tehtävillä; mukana on myös havaintoja ja palautetta toiminnan tulosten arviointiin. Uutisoinnin mukaan mallista on suuri 35B-A3B-sekoiteasiantuntijaversio sekä pienempi, reunalaskentaan tarkoitettu 4B-versio. 15

ME-U0 yhdistää ymmärtämisen ja tuottamisen. Sen raportoidussa Mixture-of-Transformers-rakenteessa tehtäviä ja näkymiä tulkitsevat osat kytkeytyvät toimintaa tuottaviin osiin. Ero on robotille olennainen: sen on paitsi pääteltävä, mitä pitäisi tehdä, myös tuotettava käyttökelpoinen toiminta. Mallien esittely toisiaan täydentävinä osina ei vielä ole testi niiden yhteiskäytöstä itsenäisessä robotissa. 25

Mitä testiluvut kertovat – ja mitä eivät?

Li Auton vertailutaulukoissa suuren ME-VLM:n keskiarvoksi ilmoitetaan noin 70,9 robotiikkaan liittyvissä testikokonaisuuksissa ja 72,5 agenttitesteissä. Pienempi 4B-versio sijoittui yhtiön vertailuissa toiseksi. Ilman kaikkia testiehtoja ja riippumatonta toistoa luvut eivät ole yleinen mittari robotin toimintavarmuudelle. 5

ME-U0:n tulokseksi Li Auto ilmoittaa 17,66 pistettä RoboDojossa sekä keskimääräisiksi onnistumisasteiksi 99,1 % LIBEROssa ja 81,8 % LIBERO-Plusissa. LIBERO-tuloksia edelsi mukautus kummankin testin tarjoamalla ohjaustiedolla. Kyse ei siis ole tuloksista, jotka olisi saatu ilman tehtäväkohtaista mukautusta täysin vieraissa fyysisissä tilanteissa. 3

Koulutusdata ja M100-piirin nopeus

Li Auton mukaan ME-U0:n esikoulutukseen valittiin noin 4 200 tuntia aineistoa lähtöjoukoista, joissa oli noin 5 700 tuntia robottidataa ja 3 920 tuntia ensimmäisen persoonan videota. Aineistojen yhdistelmä voi laajentaa mallin näkemiä tilanteita robottiesittelyjen ulkopuolelle. Tuntimääristä ei kuitenkaan voi päätellä, miten malli selviytyy uudessa ympäristössä tai toisella robotilla. 3

ME-VLM:n kehittäjät kertovat pakkaavansa visuaalisia tokeneita, käyttävänsä W4A8-kvantisointia sekä sovittavansa laitteistoa ja ohjelmistoa yhteen 4B-version ajamiseksi M100-järjestelmäpiirillä. Heidän mukaansa prefill-vaiheen viive pieneni 400 millisekunnista 188 millisekuntiin. Prefill on vain yksi mallin laskentavaihe, ei aika ympäristön muutoksen havaitsemisesta robotin fyysisen liikkeen valmistumiseen. Lähteet eivät osoita, että suuri 35B-A3B-malli tai koko ME-Brainin ja ME-U0:n muodostama kokonaisuus toimisi yhdessä yhdellä M100-piirillä. 15

Esittelyjen jälkeen ratkaiseva testi on vielä tekemättä

Julkaisua käsittelevä uutisointi kuvaa tunnin mittaisen tarttumisesittelyn ja noin neljän minuutin, 15 vaihetta sisältäneen kahvinvalmistuksen. Ne näyttävät, millaisia tehtäviä Li Auto halusi esitellä, mutta eivät kerro onnistumisasteesta ulkopuolisten valitsemilla esineillä, vaihtelevassa valaistuksessa, keskeytysten aikana tai pitkäaikaisessa käytössä. Käytettävissä olevat lähteet eivät myöskään tue yksityiskohtaisempaa väitettä siitä, että ulkopuolinen taho olisi osoittanut näissä esittelyissä tiettyjä epäonnistumisia. 3

Selkein seuraava askel olisi koko yhdistetyn järjestelmän riippumaton ja toistettava testi: miten se onnistuu ennestään tuntemattomissa tehtävissä, palautuu virheistä ja kuinka kauan havaintojen muuttaminen fyysiseksi toiminnaksi kestää ilmoitetulla laitteistolla. Siihen asti testipisteet ja M100:n prefill-mittaus ovat erillisiä, lupaavia havaintoja – eivät lopullinen arvio yleiskäyttöisestä robotiikasta. 135