उत्तरप्रकाशित17 स्रोत
Pelican मॉडल दिखाते हैं रोबोटों के लिए X-Humanoid की एकीकृत AI की दिशा
X Humanoid की सार्वजनिक रिपोर्टें रोबोट की कार्रवाई, दुनिया के सिमुलेशन और समझ विचार को जोड़ने वाले पूरक तरीकों की ओर इशारा करती हैं। Pelican VLA 0.5 एक ही मॉडल में दृश्य भाषा समझ, भविष्य के फ्रेम बनाने और कार्रवाई का अनुमान लगाने की क्षमता जोड़ता है। RoboTwin पर फाइन ट्यूनिंग के बाद रिपोर्ट में Clean पर 91.4% और Ra...
प्रकाशितकर्ताGPT-6 Luna से संपादितGPT Image 2 से चित्र बनाए गए
शोध उत्तर
मुख्य निष्कर्ष
- X Humanoid की सार्वजनिक रिपोर्टें रोबोट की कार्रवाई, दुनिया के सिमुलेशन और समझ विचार को जोड़ने वाले पूरक तरीकों की ओर इशारा करती हैं।
- Pelican VLA 0.5 एक ही मॉडल में दृश्य भाषा समझ, भविष्य के फ्रेम बनाने और कार्रवाई का अनुमान लगाने की क्षमता जोड़ता है। RoboTwin पर फाइन ट्यूनिंग के बाद रिपोर्ट में Clean पर 91.4% और Randomized पर 91.0% सफलता दर दर्ज है...
AI संकेत
openai.comCreate a landscape editorial hero image for this Studio Global article: What roadmap did the Beijing Innovation Center of Humanoid Robotics (X-Humanoid) present through world model lead Zou Shilong’s “Exploring U. Article summary: The available evidence supports X-Humanoid’s broader direction: combining visual-language understanding, imagined future observations, and action generation in unified embodied models, with a world-model simulator suppor. Topic tags: general, general web, user generated, academic. 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, char
X-Humanoid की सार्वजनिक Pelican रिपोर्टें ऐसी एम्बॉडीड AI की दिशा दिखाती हैं जो रोबोट की देखने, आगे क्या होगा इसका अनुमान लगाने और कार्रवाई करने की क्षमताओं को जोड़ने की कोशिश करती है। इन रिपोर्टों में तीन मॉडलों की भूमिकाएँ अलग-अलग हैं: Pelican-VLA 0.5 भविष्य के दृश्य-फ्रेम और कार्रवाई, दोनों का अनुमान लगाता है; Pelican-Sim 1.0 रोबोट की कार्रवाई के आधार पर आगे के दृश्य अनुमानित करता है; और Pelican-Unify समझ, तर्क, कल्पना और कार्रवाई को एक मॉडल में एकीकृत करने का लक्ष्य रखता है। 17
18
44
हालाँकि, उपलब्ध स्रोत यह साबित नहीं करते कि यही पूरा शोध-दिशा-निर्देश—या इससे जुड़ी सामान्यीकरण की चार-स्तरीय श्रेणी और खुद को बेहतर करने वाली नीति-प्रक्रिया—अक्टूबर में Zou Shilong के ROSCon China मुख्य भाषण में प्रस्तुत की गई थी।
सार्वजनिक रिपोर्टें क्या बताती हैं
Pelican-VLA 0.5: देखने से कार्रवाई तक
Pelican-VLA 0.5 को एक संयुक्त विज़न-लैंग्वेज-एक्शन मॉडल बताया गया है। इसका एक ही आर्किटेक्चर दृश्य और भाषा से समझ बनाने, भविष्य के फ्रेम तैयार करने और कार्रवाई का अनुमान लगाने का काम करता है। 44 परियोजना के रिपॉज़िटरी के मुताबिक, इसमें साझा Qwen3-VL 4B बैकबोन और अलग-अलग तरह के रोबोटों के लिए प्री-ट्रेंड चेकपॉइंट है। रिपॉज़िटरी में इसके प्रशिक्षण के लिए लगभग 2,400 घंटे के विविध मैनिपुलेशन डेटा का उल्लेख है।
46
47
रिपोर्ट में यह भी बताया गया है कि किसी खास काम के लिए फाइन-ट्यूनिंग से पहले ही मॉडल का एक्शन-पाथवे निर्देश से जुड़े वस्तु और संपर्क वाले हिस्से पर ध्यान देता है। 44
46 RoboTwin पर फाइन-ट्यूनिंग के बाद रिपोर्ट में सफलता दर RoboTwin Clean पर 91.4% और RoboTwin Randomized पर 91.0% दी गई है।
44
ये नतीजे Pelican-VLA 0.5 के हैं। इनसे अलग यह दावा सत्यापित नहीं होता कि Pelican-Sim के लिए हर काम के 50 मूल डेमो में 500 जनरेट किए गए ट्रैजेक्टरी जोड़ने से कोई खास परिणाम मिला।
Pelican-Sim 1.0: कार्रवाई के बाद क्या होगा, इसका अनुमान
Pelican-Sim 1.0 को एक वर्ल्ड-मॉडल सिम्युलेटर के रूप में पेश किया गया है। यह दृश्य संदर्भ और रोबोट की कार्रवाई के आधार पर भविष्य के अवलोकनों का अनुमान लगाता है, ताकि आगे की ट्रेनिंग और निर्णय लेने में मदद मिल सके। इसकी तकनीकी रिपोर्ट में कार्रवाई के संख्यात्मक और दृश्य निरूपण को एक साथ जोड़ने का वर्णन है। 17
इस लिहाज़ से इसका घोषित काम Pelican-VLA 0.5 से अलग है: VLA मॉडल देखने और भाषा से कार्रवाई तक का संबंध बनाता है, जबकि Pelican-Sim यह अनुमान लगाने पर केंद्रित है कि किसी कार्रवाई के बाद रोबोट को आगे क्या दिखाई दे सकता है। रिपोर्ट इस भूमिका का समर्थन करती है, लेकिन उपलब्ध प्रमाण मुख्य भाषण में बताए गए चार-स्तरीय डेटा-तरीके या 50 मूल और 500 अतिरिक्त ट्रैजेक्टरी वाले प्रयोग के विस्तृत सफलता-नतीजों की पुष्टि नहीं करते। 17
Pelican-Unify: समझ, तर्क, कल्पना और कार्रवाई को जोड़ना
Pelican-Unify 1.0 की तकनीकी रिपोर्ट इसे समझ, तर्क, कल्पना और कार्रवाई के लिए एक एकीकृत एम्बॉडीड इंटेलिजेंस मॉडल बताती है। रिपोर्ट के अनुसार, एक ही विज़न-लैंग्वेज मॉडल दृश्य, निर्देश, विज़ुअल संदर्भ और कार्रवाई के इतिहास को साझा अर्थगत निरूपण में बदलने वाले समझ-मॉड्यूल की भूमिका निभाता है। 18
यह मॉडल अक्टूबर के कार्यक्रम से पहले सार्वजनिक रूप से दर्ज था: इसकी रिपोर्ट मई 2026 की है और मई 2026 की एक समाचार रिपोर्ट भी इसके जारी होने का वर्णन करती है। 18
24 इसलिए यह कहना सही नहीं होगा कि Pelican-Unify पहली बार अक्टूबर में ही सार्वजनिक हुआ। संभव है कि उसे सम्मेलन के दर्शकों के सामने नए तौर पर पेश या चर्चा किया गया हो, लेकिन उपलब्ध स्रोत इसकी पुष्टि नहीं करते।
तीनों मॉडल एक साथ क्या संकेत देते हैं?
रिपोर्टों को साथ पढ़ने पर ये एक-दूसरे के पूरक हिस्से लगते हैं: Pelican-VLA 0.5 दृश्य-भाषा इनपुट को कार्रवाई और भविष्य के फ्रेम से जोड़ता है; Pelican-Sim 1.0 रोबोट की कार्रवाई के बाद संभावित दृश्य का मॉडल बनाता है; और Pelican-Unify समझ, तर्क, कल्पना और कार्रवाई को एक मॉडल में समेटने की कोशिश करता है। 17
18
44
यह प्रकाशित मॉडल-विवरणों का सार है—मुख्य भाषण में घोषित किसी निश्चित क्रम या रोडमैप की पुष्टि नहीं।
मुख्य भाषण के बारे में क्या अब भी अपुष्ट है
ROSCon China 2026 की वेबसाइट के मुताबिक, सम्मेलन 16 से 18 अक्टूबर तक शंघाई में आयोजित होना तय था। उपलब्ध कार्यक्रम-सूची से मुख्य भाषण का शीर्षक, वक्ता, 17 अक्टूबर का समय या उसकी विषय-वस्तु स्थापित नहीं होती। 3
उपलब्ध स्रोत मुख्य भाषण में सामान्यीकरण के चार कथित स्तरों—पृष्ठभूमि, संयोजनात्मक, क्रॉस और आउट-ऑफ-डोमेन—की सटीक परिभाषाएँ भी पुष्ट नहीं करते। इसी तरह, रोबोट-बॉडी से मुक्त प्रथम-व्यक्ति वीडियो और हाथ में पकड़े उपकरण से UMI डेटा जुटाने से लेकर सिम्युलेटेड डेटा, विफलता से उबरने के डेटा और प्रतिक्रिया-आधारित नीति सुधार तक की बताई गई चार-स्तरीय रणनीति की पुष्टि भी नहीं मिलती। भाषण की रिकॉर्डिंग, स्लाइड या विस्तृत आधिकारिक सारांश के बिना इन बिंदुओं को Zou Shilong के नाम से जोड़ना अपुष्ट जानकारी को तथ्य की तरह पेश करना होगा।
इसी तरह, दृश्य और भाषा पर मॉडल की निर्भरता अलग-अलग जाँचने के लिए बताए गए निरूपण-विश्लेषण, अटेंशन-पाथवे में बदलाव और व्यवहार-परीक्षणों के बारे में भी दिए गए स्रोत पर्याप्त प्रमाण नहीं देते। लंबे कार्यों में विफलता से उबरने की ट्रेनिंग या मॉडल के भीतर सिमुलेशन, नीति अपडेट, वास्तविक दुनिया में जाँच और फीडबैक डेटा को जोड़ने वाले किसी खास चक्र की भी पुष्टि नहीं होती।
सबसे ठोस निष्कर्ष इससे सीमित है: X-Humanoid की सार्वजनिक रिपोर्टें दृश्य समझ, कल्पित भविष्य और कार्रवाई को जोड़ने के तरीकों के साथ वर्ल्ड-मॉडल सिमुलेशन की पड़ताल करती हैं। मुख्य भाषण के विस्तृत रोडमैप का दावा उपलब्ध प्रमाणों से सत्यापित नहीं होता।
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
"Pelican मॉडल दिखाते हैं रोबोटों के लिए X-Humanoid की एकीकृत AI की दिशा" का संक्षिप्त उत्तर क्या है?
X Humanoid की सार्वजनिक रिपोर्टें रोबोट की कार्रवाई, दुनिया के सिमुलेशन और समझ विचार को जोड़ने वाले पूरक तरीकों की ओर इशारा करती हैं।
सबसे पहले सत्यापित करने योग्य मुख्य बिंदु क्या हैं?
X Humanoid की सार्वजनिक रिपोर्टें रोबोट की कार्रवाई, दुनिया के सिमुलेशन और समझ विचार को जोड़ने वाले पूरक तरीकों की ओर इशारा करती हैं। Pelican VLA 0.5 एक ही मॉडल में दृश्य भाषा समझ, भविष्य के फ्रेम बनाने और कार्रवाई का अनुमान लगाने की क्षमता जोड़ता है। RoboTwin पर फाइन ट्यूनिंग के बाद रिपोर्ट में Clean पर 91.4% और Randomized पर 91.0% सफलता दर दर्ज है...
सूत्र
arxiv.orgPelican-Sim 1.0: A General World Model Simulator for Embodied ...
github.comreadme.md - Pelican-VLA 0.5
huggingface.coREADME.md · X-Humanoid/Pelican-VLA05 at 5623cf1629aae870b973025a675e4534adc44d83