JawabanDipublikasikan17 sumber
Tiga Model Pelican Menggambarkan Arah AI Robot X-Humanoid
Tiga laporan Pelican menunjukkan pendekatan yang saling melengkapi untuk menghasilkan tindakan robot, memprediksi kondisi mendatang, serta menyatukan pemahaman dan penalaran. Pelican VLA 0.5 menggabungkan pemahaman visual bahasa, pembuatan bingkai masa depan, dan prediksi tindakan; laporan menyebut tingkat keberhasi...
Diterbitkan olehDiedit dengan GPT-6 LunaGambar dibuat dengan GPT Image 2
Jawaban penelitian
Poin-poin penting
- Tiga laporan Pelican menunjukkan pendekatan yang saling melengkapi untuk menghasilkan tindakan robot, memprediksi kondisi mendatang, serta menyatukan pemahaman dan penalaran.
- Pelican VLA 0.5 menggabungkan pemahaman visual bahasa, pembuatan bingkai masa depan, dan prediksi tindakan; laporan menyebut tingkat keberhasilan 91,4% di RoboTwin Clean dan 91,0% di RoboTwin Randomized setelah penyet...
- Sumber yang tersedia belum memverifikasi bahwa taksonomi empat tingkat generalisasi atau strategi data dan kebijakan yang lebih terperinci disampaikan dalam pidato utama ROSCon China.
AI Perintah
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
Laporan publik X-Humanoid tentang keluarga model Pelican mengarah pada gagasan AI robot yang menghubungkan persepsi, prediksi, dan tindakan. Ketiga modelnya memiliki peran berbeda: Pelican-VLA 0.5 menghasilkan tindakan sekaligus bingkai masa depan, Pelican-Sim 1.0 memprediksi pengamatan mendatang berdasarkan tindakan robot, sedangkan Pelican-Unify menyatukan pemahaman, penalaran, imajinasi, dan tindakan. 17
18
44
Namun, sumber yang tersedia tidak memastikan bahwa keseluruhan arah riset ini—apalagi taksonomi generalisasi dan siklus kebijakan yang terus berkembang—dipaparkan dalam pidato utama Zou Shilong di ROSCon China pada Oktober.
Hal yang tercatat dalam laporan publik
Pelican-VLA 0.5: menghubungkan persepsi dengan tindakan
Pelican-VLA 0.5 dijelaskan sebagai model visi-bahasa-aksi (VLA) terpadu. Satu arsitektur menggabungkan pemahaman visual dan bahasa, pembuatan bingkai masa depan, serta prediksi tindakan. 44 Repositori proyek menyebut model ini memakai tulang punggung Qwen3-VL 4B bersama dan menyediakan checkpoint pralatih lintas-embodimen. Repositori itu juga melaporkan pelatihan dengan sekitar 2.400 jam data manipulasi yang beragam.
46
47
Laporan tersebut turut menjelaskan pola perhatian model: sebelum penyetelan halus khusus tugas, jalur tindakan model sudah berfokus pada objek dan area kontak yang relevan dengan instruksi. 44
46 Setelah disetel halus menggunakan RoboTwin, model mencatat tingkat keberhasilan 91,4% pada RoboTwin Clean dan 91,0% pada RoboTwin Randomized.
44
Hasil-hasil itu merujuk pada Pelican-VLA 0.5. Hasil tersebut tidak membuktikan klaim terpisah bahwa penambahan 500 lintasan buatan pada 50 demonstrasi awal untuk setiap tugas menghasilkan capaian tertentu pada Pelican-Sim.
Pelican-Sim 1.0: memperkirakan apa yang terjadi setelah tindakan
Pelican-Sim 1.0 diperkenalkan sebagai simulator model dunia: model yang memprediksi pengamatan mendatang berdasarkan konteks visual dan tindakan robot, dengan tujuan mendukung pembelajaran dan pengambilan keputusan berikutnya. Laporan teknisnya menjelaskan representasi tindakan numerik dan visual yang diselaraskan. 17
Fokus ini berbeda dari Pelican-VLA 0.5. Jika VLA menghubungkan masukan persepsi dengan tindakan, Pelican-Sim berfokus pada prediksi pengamatan berikutnya dengan mempertimbangkan tindakan robot. Laporan mendukung penjelasan mengenai peran model tersebut, tetapi bukti yang tersedia tidak mengonfirmasi strategi data empat lapis yang dikaitkan dengan pidato, maupun rincian hasil dari skema 50 demonstrasi ditambah 500 lintasan. 17
Pelican-Unify: menyatukan pemahaman dan generasi untuk robot
Laporan teknis Pelican-Unify 1.0 menggambarkannya sebagai model kecerdasan berwujud terpadu untuk pemahaman, penalaran, imajinasi, dan tindakan. Menurut laporan itu, satu model visi-bahasa berperan sebagai komponen pemahaman terpadu, yang memetakan adegan, instruksi, konteks visual, dan riwayat tindakan ke ruang semantik bersama. 18
Model ini telah didokumentasikan secara publik sebelum acara Oktober: laporan teknisnya memiliki identifikasi Mei 2026, dan sebuah laporan berita pada Mei 2026 juga mengabarkan peluncurannya. 18
24 Karena itu, bukti yang tersedia tidak mendukung klaim bahwa Pelican-Unify pertama kali diperkenalkan ke publik pada Oktober. Meski demikian, model tersebut bisa saja baru dibahas kepada audiens konferensi saat itu.
Cara ketiga model saling melengkapi
Jika dibaca bersama, laporan-laporan tersebut menunjukkan tiga bagian yang saling melengkapi dalam perangkat pembelajaran robot: Pelican-VLA 0.5 menghubungkan masukan visual-bahasa dengan prediksi tindakan dan bingkai masa depan; Pelican-Sim 1.0 memodelkan pengamatan mendatang berdasarkan tindakan robot; sementara Pelican-Unify berupaya menyatukan pemahaman, penalaran, imajinasi, dan tindakan. 17
18
44
Ini merupakan rangkuman dari deskripsi model yang telah dipublikasikan, bukan bukti adanya urutan pengembangan atau peta jalan resmi yang diumumkan dalam pidato utama.
Rincian pidato utama yang belum terverifikasi
Situs ROSCon China 2026 mencantumkan jadwal konferensi pada 16–18 Oktober di Shanghai. Namun, daftar konferensi yang tersedia tidak memastikan judul pidato utama, nama pembicara, jadwal pada 17 Oktober, ataupun isi presentasinya. 3
Sumber yang tersedia juga tidak mengonfirmasi definisi persis empat tingkat generalisasi yang dikaitkan dengan pidato tersebut—latar belakang, komposisional, lintas-domain, dan di luar distribusi. Begitu pula dengan tahapan strategi data yang disebut-sebut bergerak dari video sudut pandang orang pertama tanpa keterikatan pada tubuh robot dan perekaman UMI genggam, ke data simulasi, data pemulihan kegagalan, lalu inferensi model dunia dengan iterasi kebijakan berbasis umpan balik. Tanpa rekaman, slide, atau ringkasan resmi yang terperinci, mengatribusikan definisi dan tahapan itu kepada Zou Shilong berisiko menyajikan rincian yang belum terverifikasi sebagai fakta.
Bukti yang diberikan juga belum mengonfirmasi metode analisis representasi, intervensi pada jalur perhatian, maupun pengujian perilaku yang diklaim digunakan untuk mengukur ketergantungan model pada sinyal visual dan bahasa. Demikian pula, belum ada dasar yang cukup untuk memastikan rincian riset pemulihan kegagalan jangka panjang atau siklus khusus yang menghubungkan simulasi internal model, pembaruan kebijakan, validasi di dunia nyata, dan data umpan balik.
Kesimpulan yang paling kuat didukung bukti lebih terbatas: laporan publik X-Humanoid mengeksplorasi cara menghubungkan persepsi, gambaran masa depan, dan tindakan, serta penggunaan simulasi model dunia. Rincian peta jalan yang lebih luas dan dikaitkan dengan pidato utama belum terverifikasi dari sumber yang tersedia.
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 "Tiga Model Pelican Menggambarkan Arah AI Robot X-Humanoid"?
Tiga laporan Pelican menunjukkan pendekatan yang saling melengkapi untuk menghasilkan tindakan robot, memprediksi kondisi mendatang, serta menyatukan pemahaman dan penalaran.
Apa poin penting yang harus divalidasi terlebih dahulu?
Tiga laporan Pelican menunjukkan pendekatan yang saling melengkapi untuk menghasilkan tindakan robot, memprediksi kondisi mendatang, serta menyatukan pemahaman dan penalaran. Pelican VLA 0.5 menggabungkan pemahaman visual bahasa, pembuatan bingkai masa depan, dan prediksi tindakan; laporan menyebut tingkat keberhasilan 91,4% di RoboTwin Clean dan 91,0% di RoboTwin Randomized setelah penyet...
Apa yang harus saya lakukan selanjutnya dalam latihan?
Sumber yang tersedia belum memverifikasi bahwa taksonomi empat tingkat generalisasi atau strategi data dan kebijakan yang lebih terperinci disampaikan dalam pidato utama ROSCon China.
Sumber
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