JawabanDipublikasikan19 sumber
Thinker-WM UBTECH menyatukan video, geometri, dan aksi robot
Thinker WM dirancang untuk memodelkan dan menghasilkan video RGB, kedalaman metrik, serta aksi robot lewat representasi bersama dan Unified Dynamics Transformer. UBTECH melaporkan modelnya berada di posisi pertama pada WorldOlympiad, EWMBench, dan WorldArena 1.0 Track 1; angka tersebut merupakan klaim hasil pengumum...
Diterbitkan olehDiedit dengan GPT-6 LunaGambar dibuat dengan GPT Image 2
Jawaban penelitian
Poin-poin penting
- Thinker WM dirancang untuk memodelkan dan menghasilkan video RGB, kedalaman metrik, serta aksi robot lewat representasi bersama dan Unified Dynamics Transformer.
- UBTECH melaporkan modelnya berada di posisi pertama pada WorldOlympiad, EWMBench, dan WorldArena 1.0 Track 1; angka tersebut merupakan klaim hasil pengumuman perusahaan.
- Sumber menyebut sekitar 20.000 jam data egosentris dan 10.000 jam data robot. Rincian lengkap enam mode operasi, alur Data Factory, serta eksperimen probe gerak belum dapat dipastikan dari materi yang tersedia.
AI Perintah
openai.comCreate a landscape editorial hero image for this Studio Global article: What is UBTECH’s Thinker WM, as detailed on October 17, 2026, and how does its arXiv documented architecture unify RGB video, metric depth a. Article summary: Thinker WM is UBTECH’s unified multimodal world model: it jointly models and generates RGB video, metric depth and robot actions, rather than treating visual prediction, geometry and control as independent systems.. Topic tags: general web, ai safety, ai, productivity, code. 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, charts wit
Thinker-WM adalah model dunia multimodal UBTECH yang dirancang untuk menghubungkan apa yang dilihat robot dengan geometri ruang dan tindakannya. Alih-alih memisahkan prediksi visual, pemahaman kedalaman, dan kontrol ke sistem berbeda, model ini memproses video RGB, kedalaman metrik, dan aksi robot dalam satu arsitektur bersama. 1
17
Bagaimana arsitekturnya bekerja?
Setiap jenis data memiliki encoder dan decoder khusus. Encoder mengubah video, peta kedalaman, atau aksi menjadi representasi yang dapat diproses bersama. Di bagian tengah, Unified Dynamics Transformer mengolah representasi tersebut sebagai satu dinamika dunia; decoder kemudian menghasilkan keluaran sesuai modalitas yang diminta—misalnya video, peta kedalaman, atau aksi yang dapat dijalankan robot. 1
17
Kedalaman metrik memberi informasi jarak dalam satuan fisik, bukan sekadar petunjuk bahwa suatu objek tampak lebih dekat atau lebih jauh. Dengan menyatukan tampilan, geometri, dan aksi dalam representasi yang sama, model dapat mempelajari keterkaitan antarmodalitas di dalam satu model. Makalah menggambarkan pendekatan ini sebagai penyatuan pada tingkat representasi. 17
Alasan desainnya adalah agar hubungan antara perubahan visual, struktur ruang, dan tindakan tidak hanya dijembatani oleh modul atau antarmuka yang terpisah. Namun, materi yang tersedia tidak cukup untuk menyimpulkan bahwa pilihan ini pasti lebih hemat, lebih cepat, atau lebih mudah diterapkan daripada sistem modular. 14
Hasil benchmark yang diumumkan
Pada 16 Oktober 2026, UBTECH mengumumkan bahwa Thinker-WM menempati posisi pertama di tiga benchmark model dunia untuk robot. Angka-angka berikut merupakan hasil yang dilaporkan perusahaan dalam pengumuman, bukan verifikasi independen atas posisi papan peringkat saat ini. 7
- WorldOlympiad: skor keseluruhan 0,740, dengan 0,531 untuk konsistensi 3D dan 0,765 untuk fidelitas interaksi. Dua skor komponen itu dilaporkan sebagai yang tertinggi di antara peserta. Benchmark ini menggunakan data interaksi robot nyata dari lebih dari sepuluh jenis robot dan beberapa konfigurasi kamera, untuk menguji generalisasi lintas bentuk robot dan sudut pandang.
12
- EWMBench: skor total yang dilaporkan adalah 4,66. UBTECH menyebut hasilnya melampaui model seperti Qwen-RobotWorld dan Sora 2, serta unggul pada metrik pencocokan lintasan dan dinamika. Namun, sumber yang tersedia tidak mencantumkan skor pembanding atau nilai terperinci untuk metrik-metrik tersebut.
13
- WorldArena 1.0 Track-1: Thinker-WM dilaporkan memimpin secara keseluruhan pada 12 dimensi evaluasi. Rincian seluruh dimensi dan skornya tidak tersedia dalam materi yang ditinjau.
7
Kedalaman dan data pelatihan
Dalam uji ablasinya, penambahan data kedalaman dilaporkan meningkatkan tingkat keberhasilan tugas manipulasi tunggal di RoboTwin sebesar 15 poin persentase. Ini adalah kenaikan absolut, bukan peningkatan relatif sebesar 15 persen. Angka tingkat keberhasilan sebelum dan sesudah penambahan kedalaman tidak disebutkan dalam kutipan sumber yang tersedia. 16
Kartu model UBTECH mencantumkan sekitar 20.000 jam data egosentris dan 10.000 jam data robot, atau kira-kira 30.000 jam secara keseluruhan. Materi yang tersedia juga menyebut sekitar 4.000 jam data dengan supervisi kedalaman yang selaras. Namun, rincian pembagian data robot nyata dan simulasi, maupun asal data egosentris menurut jenis lokasi seperti rumah, ritel, atau pabrik, tidak dapat dipastikan dari kutipan tersebut. 4
10
Apa yang belum terverifikasi?
Makalah menyebut bahwa parameterisasi yang sama mendukung sejumlah fungsi, termasuk pembuatan video dan aksi secara bersama. Akan tetapi, kutipan yang tersedia tidak merinci seluruh enam mode operasi atau kombinasi masukan dan keluaran masing-masing. Karena itu, daftar lengkap mode seperti prediksi masa depan, inferensi kebijakan, video-ke-aksi, dan dinamika invers tidak dapat dipastikan hanya dari materi ini. 17
Begitu pula dengan format aksi berbasis pose ujung lengan robot, tag khusus tiap bentuk robot, serta prosedur Data Factory untuk pengambilan sampel, pemeriksaan kualitas bertingkat, dan penyelarasan video-kedalaman: rincian tersebut tidak terkonfirmasi dalam kutipan sumber yang tersedia. Sumber juga belum cukup untuk menjelaskan pelatihan probe gerak pada fitur visual beku atau hasilnya dalam memperkirakan perpindahan ujung lengan.
Jadi, gambaran yang paling kuat didukung sumber adalah rancangan inti Thinker-WM dan klaim hasil benchmark yang diumumkan UBTECH. Sejumlah rincian tentang mode penggunaan, pengolahan data, dan pengujian gerak masih memerlukan dokumentasi yang lebih lengkap.
Studio Global AI
Lanjutkan penelitian Anda
Halaman ini berisi jawaban yang didukung sumber yang dapat Anda lanjutkan di dalam Studio Global.
Orang-orang juga bertanya
Apa jawaban singkat untuk "Thinker-WM UBTECH menyatukan video, geometri, dan aksi robot"?
Thinker WM dirancang untuk memodelkan dan menghasilkan video RGB, kedalaman metrik, serta aksi robot lewat representasi bersama dan Unified Dynamics Transformer.
Apa poin penting yang harus divalidasi terlebih dahulu?
Thinker WM dirancang untuk memodelkan dan menghasilkan video RGB, kedalaman metrik, serta aksi robot lewat representasi bersama dan Unified Dynamics Transformer. UBTECH melaporkan modelnya berada di posisi pertama pada WorldOlympiad, EWMBench, dan WorldArena 1.0 Track 1; angka tersebut merupakan klaim hasil pengumuman perusahaan.
Apa yang harus saya lakukan selanjutnya dalam latihan?
Sumber menyebut sekitar 20.000 jam data egosentris dan 10.000 jam data robot. Rincian lengkap enam mode operasi, alur Data Factory, serta eksperimen probe gerak belum dapat dipastikan dari materi yang tersedia.