उत्तरप्रकाशित13 स्रोत
Cog-WM 1.0: रोबोटों के लिए EBKernel के ‘कॉग्निटिव वर्ल्ड मॉडल’ का दावा कितना बड़ा है?
EBKernel ने 14 सितंबर 2026 को शंघाई के पुजियांग इनोवेशन फोरम में Cog WM 1.0 पेश किया; इसे ब्रेन प्रेरित ‘कॉग्निटिव वर्ल्ड मॉडल’ के रूप में रखा गया है। [3][9] मॉडल का लक्ष्य हर पिक्सेल को दोबारा बनाना नहीं, बल्कि रोबोट के काम के लिए उपयोगी अमूर्त अवस्थाओं का अनुमान लगाना और संरचित स्थानिक स्मृति बनाए रखना है। [3] कंप...
प्रकाशितकर्ताGPT-5.6 Terra से संपादितGPT Image 2 से चित्र बनाए गए
शोध उत्तर
मुख्य निष्कर्ष
- EBKernel ने 14 सितंबर 2026 को शंघाई के पुजियांग इनोवेशन फोरम में Cog WM 1.0 पेश किया; इसे ब्रेन प्रेरित ‘कॉग्निटिव वर्ल्ड मॉडल’ के रूप में रखा गया है। [3][9]
- मॉडल का लक्ष्य हर पिक्सेल को दोबारा बनाना नहीं, बल्कि रोबोट के काम के लिए उपयोगी अमूर्त अवस्थाओं का अनुमान लगाना और संरचित स्थानिक स्मृति बनाए रखना है। [3]
- कंपनी ने व्हील्ड ह्यूमनॉइड और चौपाये रोबोटों पर प्रदर्शन का दावा किया है, पर खुले वातावरण में लंबे समय की विश्वसनीयता के स्वतंत्र प्रमाण उपलब्ध नहीं हैं। [3]
AI संकेत
openai.comCreate a landscape editorial hero image for this Studio Global article: What is EBKernel’s Cog-WM 1.0, introduced by the Shanghai startup at the 2026 Pujiang Innovation Forum, and how does its brain-inspired, JEP. Article summary: Cog-WM 1.0 is EBKernel’s claimed brain-inspired “cognitive world model”: a unified latent-space prediction system for map-free robot navigation and value-guided manipulation. Announced on September 14 at the 2026 Pujiang. Topic tags: general, academic, general web, user generated, government. 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, wate
EBKernel ने Cog-WM 1.0 को शंघाई में 2026 पुजियांग इनोवेशन फोरम के दौरान पेश किया। कंपनी इसे मस्तिष्क की संज्ञानात्मक प्रक्रियाओं से प्रेरित एक कॉग्निटिव वर्ल्ड मॉडल कहती है। इसका मकसद रोबोट को किसी जगह का पहले से तैयार नक्शा दिए बिना वहां चलने, लक्ष्य तक पहुंचने और वस्तुओं के साथ काम करने में सक्षम बनाना है। 3
9
Cog-WM 1.0 आखिर करता क्या है?
वर्ल्ड मॉडल किसी रोबोट को अपने आसपास की दुनिया का एक आंतरिक प्रतिनिधित्व बनाने और यह अनुमान लगाने में मदद करता है कि किसी कार्रवाई के बाद क्या हो सकता है। Cog-WM को EBKernel ने लैटेंट स्पेस प्रेडिक्शन सिस्टम के रूप में पेश किया है। यानी यह दृश्य के हर पिक्सेल की हूबहू प्रतिकृति बनाने पर नहीं, बल्कि मौजूदा काम के लिए महत्वपूर्ण जानकारी को एक अमूर्त रूप में दर्ज और अनुमानित करने पर केंद्रित है। 3
कंपनी के अनुसार, इसकी डिजाइन में संज्ञानात्मक नक्शों से जुड़े विचार शामिल हैं—जैसे स्मृति को चुनिंदा ढंग से अपडेट करना, दोबारा इस्तेमाल होने वाली स्थानिक जानकारी को किसी खास अनुभव की स्मृति से अलग रखना, और अलग-अलग समय-सीमाओं पर अनुमान लगाना। यह दावा नहीं है कि मॉडल जैविक मस्तिष्क की नकल करता है; इसे न्यूरोसाइंस से ली गई कंप्यूटिंग प्रेरणा के रूप में समझना अधिक सही है।
नेविगेशन में केंद्रीय विचार एक स्पष्ट स्थानिक स्मृति है। इसके आधार पर रोबोट लक्ष्य के हिसाब से खोज के अगले बिंदु और संभावित रास्ते चुन सकता है। यह दिशा BSC-Nav से मिलती-जुलती है, जो रोबोट के अपने नजरिए से मिली यात्रा-सूचना और संदर्भों को जोड़कर allocentric, यानी पर्यवेक्षक-केंद्रित, संज्ञानात्मक नक्शे बनाता है।
नेविगेशन में कंपनी के बताए नतीजे
सबसे ठोस तुलना HM3D-ObjectNav के एक उपसमूह पर की गई है। कंपनी द्वारा प्रकाशित आंकड़ों के अनुसार, Cog-WM 1.0 ने:
- 86.89% सफलता दर (SR) हासिल की, जबकि BSC-Nav की सफलता दर 78.50% थी। यह 8.39 प्रतिशत अंक या 10.69% की सापेक्ष बढ़त है।
- 48.35 SPL स्कोर किया, जबकि BSC-Nav का SPL 47.70 था।
SPL ऐसा मापदंड है जो लक्ष्य तक पहुंचने की सफलता और रास्ते की दक्षता—दोनों को साथ देखता है। उपलब्ध आंकड़ों में सफलता दर की बढ़त काफी बड़ी है, लेकिन रास्ते की दक्षता में अंतर छोटा है। दूसरे शब्दों में, इस परीक्षण में Cog-WM के लक्ष्य तक पहुंचने की संभावना अधिक बताई गई है, लेकिन सफल रास्ते बहुत अधिक छोटे या अधिक कुशल रहे हों, इसका उतना मजबूत संकेत नहीं मिलता।
वस्तुओं को संभालने के दावे
EBKernel का कहना है कि Cog-WM का मैनिपुलेशन भाग तीन मूल्यांकन सूट में, जिनमें RoboTwin 2.0 शामिल है, बड़े पैमाने पर पहले से प्रशिक्षित π0.5-जैसे बेसलाइन से लगभग 16% तक बेहतर रहा। 3
कंपनी इस क्षमता को छोटे और लंबे समय-क्षितिजों पर कार्रवाई के परिणाम सीखने से जोड़ती है। साथ ही, जिन अनुभवों से लक्ष्य की ओर प्रगति होती है, उन्हें अधिक महत्व दिया जाता है। मगर उपलब्ध सामग्री में हर बेंचमार्क की पूरी तालिका, सेंसर कॉन्फ़िगरेशन, प्रशिक्षण डेटा या मूल्यांकन प्रोटोकॉल नहीं दिए गए हैं। इसलिए π0.5-जैसे बेसलाइन के साथ तुलना कितनी समान परिस्थितियों में हुई, इसका स्वतंत्र आकलन नहीं किया जा सकता।
LIBERO-Plus पर बताए गए ablation नतीजों को भी इसी सावधानी से पढ़ना चाहिए: केवल पॉलिसी के लिए करीब 80%, स्थानीय प्रेडिक्शन जोड़ने पर 81.6%, बहु-समय-क्षितिज प्रेडिक्शन के साथ 82.0%, और पूरे सिस्टम के लिए 84.6%। विस्तृत तकनीकी रिपोर्ट या पूर्ण परिणाम तालिका के अभाव में ये आंकड़े कंपनी के अपने, स्वतंत्र रूप से सत्यापित न हुए माप हैं; इन्हें तकनीक की अंतिम रैंकिंग नहीं माना जा सकता।
बेंचमार्क से वास्तविक रोबोट तक
EBKernel का दावा है कि उसने व्हील्ड ह्यूमनॉइड और चौपाये रोबोटों पर बिना पूर्वनिर्मित नक्शे के नेविगेशन, पाथ प्लानिंग, स्थान-काल स्मृति पुनर्प्राप्ति, स्थानिक संबंधों पर प्रश्नोत्तर और वस्तु खोज जैसी क्षमताएं प्रदर्शित की हैं। कंपनी ने व्हील्ड ह्यूमनॉइड रोबोट पर वस्तु-संचालन का प्रदर्शन भी बताया है। 3
कंपनी शंघाई में स्थित है और 2025 में स्थापित हुई थी। उसका व्यापक तर्क यह है कि स्मृति और संज्ञान से प्रेरित आर्किटेक्चर, embodied AI को भारी मात्रा में डेटा और कंप्यूटिंग संसाधनों पर निर्भर रहने से कुछ हद तक बचा सकते हैं। 11
इन दावों को कैसे समझें?
Cog-WM 1.0 एक सुसंगत शोध-दिशा पेश करता है: स्थानिक स्मृति, अमूर्त अवस्थाओं का अनुमान और लक्ष्य-आधारित योजना। BSC-Nav से इसकी तुलना विशेष रूप से दिलचस्प है, क्योंकि BSC-Nav भी नेविगेशन को केवल तुरंत प्रतिक्रिया देने की समस्या नहीं, बल्कि संरचित स्थानिक ज्ञान की समस्या मानता है।
फिर भी, सबसे प्रभावशाली प्रदर्शन आंकड़े मुख्यतः कंपनी की घोषणाओं से आते हैं। मजबूत निष्कर्ष के लिए सार्वजनिक कोड या विस्तृत तकनीकी रिपोर्ट, समान प्रशिक्षण डेटा और सेंसरों की जानकारी, कंप्यूटिंग बजट का स्पष्ट ब्योरा तथा अलग-अलग वातावरणों में स्वतंत्र मूल्यांकन जरूरी होगा।
निष्कर्ष: Cog-WM 1.0 embodied AI के लिए एक शुरुआती लेकिन रोचक प्रस्ताव है, जो लैटेंट प्रेडिक्शन और संज्ञानात्मक स्थानिक स्मृति को जोड़ता है। इसके बताए गए बेंचमार्क लाभ ध्यान देने योग्य हैं, मगर वे अभी खुले और अनियंत्रित वास्तविक वातावरण में भरोसेमंद, सामान्य-उद्देश्यीय रोबोट स्वायत्तता साबित करने के लिए पर्याप्त नहीं हैं।
Studio Global AI
अपना शोध जारी रखें
इस पृष्ठ में एक स्रोत-समर्थित उत्तर शामिल है जिसे आप Studio Global के अंदर जारी रख सकते हैं।
लोग पूछते भी हैं
"Cog-WM 1.0: रोबोटों के लिए EBKernel के ‘कॉग्निटिव वर्ल्ड मॉडल’ का दावा कितना बड़ा है?" का संक्षिप्त उत्तर क्या है?
EBKernel ने 14 सितंबर 2026 को शंघाई के पुजियांग इनोवेशन फोरम में Cog WM 1.0 पेश किया; इसे ब्रेन प्रेरित ‘कॉग्निटिव वर्ल्ड मॉडल’ के रूप में रखा गया है। [3][9]
सबसे पहले सत्यापित करने योग्य मुख्य बिंदु क्या हैं?
EBKernel ने 14 सितंबर 2026 को शंघाई के पुजियांग इनोवेशन फोरम में Cog WM 1.0 पेश किया; इसे ब्रेन प्रेरित ‘कॉग्निटिव वर्ल्ड मॉडल’ के रूप में रखा गया है। [3][9] मॉडल का लक्ष्य हर पिक्सेल को दोबारा बनाना नहीं, बल्कि रोबोट के काम के लिए उपयोगी अमूर्त अवस्थाओं का अनुमान लगाना और संरचित स्थानिक स्मृति बनाए रखना है। [3]
मुझे अभ्यास में आगे क्या करना चाहिए?
कंपनी ने व्हील्ड ह्यूमनॉइड और चौपाये रोबोटों पर प्रदर्शन का दावा किया है, पर खुले वातावरण में लंबे समय की विश्वसनीयता के स्वतंत्र प्रमाण उपलब्ध नहीं हैं। [3]