Dentro MachEmbodied: i tre tasselli dell’IA robotica di Li Auto

Il punto da chiarire nella presentazione MachEmbodied di Li Auto è questo: tre componenti complementari non equivalgono ancora a un robot completo verificato in modo indipendente. Il 22 settembre 2026 il team Foundation Model dell’azienda ha presentato ME-Brain-1.0, MachEmbodied-VLM (ME-VLM) e MachEmbodied-U0 (ME-U0). Insieme delineano un percorso che va dalla lettura di una scena alla scelta e alla produzione di azioni, ma le fonti citate non dimostrano che l’intero insieme sia stato validato come un unico sistema autonomo su hardware locale. 35

Il ruolo dei tre componenti

ME-Brain-1.0 è il progetto a livello di sistema, descritto da Li Auto attraverso memoria, cognizione e azione. Secondo le cronache della presentazione, i moduli legati alla memoria possono funzionare sul chip M100 dell’azienda per creare e recuperare ricordi direttamente sul dispositivo. Questo non significa che ogni componente di ME-Brain funzioni sullo stesso chip. 35

ME-VLM è il modello visivo-linguistico dedicato alla comprensione delle scene e al coordinamento degli agenti. Il rapporto tecnico ne descrive l’addestramento su compiti di robotica e di agenti multimodali, includendo osservazioni e riscontri sull’esecuzione per valutare gli esiti e affinare le decisioni. Sono riportate una versione mixture-of-experts 35B-A3B e una versione da 4 miliardi di parametri, o 4B, destinata all’impiego su dispositivi locali. 15

ME-U0 affronta il passaggio dalla comprensione all’azione: l’architettura Mixture-of-Transformers descritta nel rapporto collega componenti specializzati nell’interpretare compiti e scene ad altri dedicati alla generazione delle azioni. Riconoscere cosa fare, però, non basta a dimostrare che un robot sappia eseguirlo in modo affidabile. 25

I risultati dichiarati, letti nel loro contesto

Nelle tabelle comparative attribuite a Li Auto, il ME-VLM più grande ottiene una media di circa 70,9 nelle batterie di prove per l’IA robotica e 72,5 in quelle per agenti; la variante 4B risulta seconda nelle stesse comparazioni aziendali. Sono risultati riportati dall’azienda, non misure generali dell’affidabilità di un robot riprodotte in modo indipendente. 5

Per ME-U0, Li Auto dichiara 17,66 punti su RoboDojo e tassi medi di successo del 99,1% su LIBERO e dell’81,8% su LIBERO-Plus. I risultati LIBERO seguono un adattamento effettuato con i dati di supervisione forniti da ciascun benchmark: non vanno quindi letti come prove di successo senza adattamento preliminare su compiti fisici mai incontrati. 3

Dati di addestramento e prestazioni sul M100

Secondo Li Auto, per il preaddestramento di ME-U0 sono state selezionate circa 4.200 ore da raccolte iniziali comprendenti circa 5.700 ore di dati robotici e 3.920 ore di video in prima persona. Questa combinazione può ampliare le situazioni visive a cui il modello è esposto, ma la quantità di dati non dimostra, da sola, che le capacità si trasferiscano a un nuovo robot o ambiente. 3

Per il ME-VLM 4B sul sistema su chip M100, gli autori riferiscono l’uso di compressione dei token visivi, quantizzazione W4A8 e ottimizzazioni congiunte di hardware e software. La latenza della fase di prefill sarebbe scesa da 400 a 188 millisecondi. Il prefill è solo una fase dell’inferenza: quel valore non misura il tempo che intercorre tra un cambiamento osservato dal robot e il completamento della sua risposta fisica. Le fonti citate non stabiliscono che il modello 35B-A3B o l’intero insieme ME-Brain–ME-U0 funzionino contemporaneamente su un singolo M100. 15

Che cosa resta da verificare

La copertura della presentazione descrive una dimostrazione di presa di oggetti durata un’ora e una preparazione del caffè in circa quattro minuti, articolata in 15 passaggi. Mostrano i compiti scelti da Li Auto, non i tassi di successo con oggetti e condizioni selezionati da valutatori indipendenti, né la capacità di recuperare dagli errori nell’uso prolungato. Le fonti disponibili non documentano una specifica verifica esterna dei presunti limiti di quelle dimostrazioni. 3

La prova più utile sarebbe una valutazione riproducibile e definita indipendentemente dell’intero sistema: successo dei compiti e recupero dopo un errore in situazioni nuove, insieme alla latenza completa dalla percezione all’azione sull’hardware dichiarato. Fino ad allora, benchmark e risultato di prefill sul M100 restano elementi distinti, non un verdetto sulla robotica generalista. 135