ME-Brain, ME-VLM et ME-U0 : comment s’articule le projet robotique de Li Auto

Voir une scène, comprendre ce qu’il faut faire, puis agir : c’est la trajectoire que dessinent les trois annonces de l’équipe Foundation Model de Li Auto, présentées le 22 septembre 2026. ME-Brain-1.0 est le système d’ensemble, MachEmbodied-VLM (ME-VLM) traite la compréhension visuelle et la coordination, tandis que MachEmbodied-U0 (ME-U0) relie compréhension et génération d’actions. Leur présentation commune ne démontre toutefois pas qu’un robot autonome exploitant l’ensemble ait été validé de manière indépendante sur une seule puce embarquée. 35

Trois rôles complémentaires, pas encore une preuve d’intégration

ME-Brain-1.0 est décrit par Li Auto autour de la mémoire, de la cognition et de l’action. Selon les informations publiées, des modules liés à la mémoire peuvent fonctionner sur la M100, la puce de calcul intégrée du constructeur, pour créer et retrouver des souvenirs directement sur l’appareil. Cela ne signifie pas que tout ME-Brain s’exécute localement. 35

ME-VLM apporte la composante vision-langage : son rapport technique décrit un entraînement sur des tâches robotiques et des tâches d’agents multimodaux, avec des observations et des retours destinés à évaluer les résultats et à affiner les décisions. Il existerait en une grande version 35B-A3B à mélange d’experts et une version 4B pensée pour l’exécution embarquée. 15

ME-U0 s’attaque au passage de la compréhension à l’action. Son architecture rapportée, de type Mixture-of-Transformers, relie des modules spécialisés dans l’interprétation des tâches et des scènes à d’autres chargés de générer des actions. Comprendre une consigne et produire un geste utile demeurent deux exigences distinctes. 25

Des scores à lire avec leur protocole

Dans les tableaux comparatifs attribués à Li Auto, le grand ME-VLM obtient une moyenne d’environ 70,9 sur des séries d’évaluations robotiques et 72,5 sur des évaluations d’agents. La version 4B arrive deuxième dans ces comparaisons réalisées par l’entreprise. Sans protocole complet ni reproduction indépendante, ces moyennes ne constituent pas une mesure générale de la fiabilité d’un robot. 5

Pour ME-U0, Li Auto annonce 17,66 points sur RoboDojo, ainsi que des taux moyens de réussite de 99,1 % sur LIBERO et 81,8 % sur LIBERO-Plus. Les résultats LIBERO ont été obtenus après adaptation à l’aide des données de supervision fournies par chaque évaluation. Ils ne décrivent donc pas une réussite zero-shot, sans adaptation, face à des tâches physiques inconnues. 3

Ce que la M100 accélère — et ce qu’elle ne prouve pas

Li Auto indique avoir retenu environ 4 200 heures de données pour le préentraînement de ME-U0, à partir de réservoirs comprenant quelque 5 700 heures de données robotiques et 3 920 heures de vidéos filmées à la première personne. Cette diversité peut élargir les situations visuelles rencontrées pendant l’entraînement ; les volumes, à eux seuls, ne disent pas comment le modèle se comportera avec un autre robot ou dans un nouvel environnement. 3

Pour ME-VLM 4B sur la M100, les auteurs font état d’une compression des unités d’information visuelle traitées par le modèle, d’une quantification W4A8 et d’une optimisation conjointe du matériel et du logiciel. Ils annoncent une baisse de 400 à 188 millisecondes de la latence de prefill, une phase du calcul d’inférence. Ce chiffre ne mesure ni le délai complet entre la perception d’un changement et l’action physique, ni l’exécution conjointe de ME-Brain, ME-VLM et ME-U0 sur une M100. 15

La prochaine épreuve : sortir du cadre de la démonstration

La présentation comprend une démonstration de préhension d’environ une heure et une préparation de café d’environ quatre minutes, décomposée en 15 étapes. Elles montrent les tâches choisies par Li Auto, mais ne permettent pas d’établir un taux de réussite avec des objets, un éclairage ou des interruptions sélectionnés indépendamment, ni sur une utilisation prolongée. Les éléments cités ne permettent pas non plus d’attribuer à un tiers un constat précis d’échec dans ces séquences. 3

L’évaluation décisive porterait sur le système intégré : réussite et reprise après échec dans des configurations inconnues, avec une mesure du délai complet entre perception et action sur le matériel annoncé. D’ici là, les scores des modèles et le gain de prefill sur la M100 sont des indices encourageants, mais distincts — pas encore un verdict sur la robotique polyvalente. 135