ME-Brain, ME-VLM dan ME-U0: Memahami rancangan AI robotik Li Auto

Tiga pengumuman Li Auto pada 22 September 2026 boleh dibaca sebagai rancangan untuk menghubungkan apa yang robot lihat, fahami dan lakukan. Pasukan model asas syarikat itu memperkenalkan sistem ME-Brain-1.0, model penglihatan-bahasa MachEmbodied-VLM (ME-VLM) dan model pemahaman serta penjanaan MachEmbodied-U0 (ME-U0). Namun, pengumuman berasingan ini belum membuktikan bahawa ketiga-tiganya telah diuji sebagai satu robot autonomi lengkap yang berjalan pada perkakasan peranti setempat. 35

Peranan setiap komponen

ME-Brain-1.0 ialah konsep pada peringkat sistem, yang dihuraikan Li Auto melalui memori, kognisi dan tindakan. Menurut laporan, modul berkaitan memorinya boleh berjalan pada M100, cip sistem (SoC) Li Auto, untuk menjana dan mendapatkan semula memori pada peranti. Itu tidak sama dengan mengatakan semua komponen ME-Brain berjalan pada satu cip tersebut. 35

ME-VLM menangani bahagian kognisi berasaskan imej dan bahasa serta penyelarasan agen AI. Laporan teknikalnya menerangkan latihan merentas tugas robotik dan agen multimodal, termasuk pemerhatian serta maklum balas untuk menilai hasil dan memperbaik keputusan. Versi yang dilaporkan terdiri daripada model mixture-of-experts 35B-A3B dan model 4B yang lebih kecil untuk penggunaan pada peranti setempat. 15

ME-U0 pula cuba merapatkan jurang antara memahami tugas dengan menghasilkan tindakan. Reka bentuk Mixture-of-Transformers yang dilaporkan menghubungkan komponen khusus untuk mentafsir tugas dan persekitaran dengan komponen yang menjana tindakan. Mengenal pasti apa yang perlu dibuat hanyalah satu bahagian masalah; robot masih perlu melaksanakannya dengan berkesan. Ketiga-tiga keluaran ini saling melengkapi, tetapi bukti yang dipetik belum menunjukkan semuanya telah disahkan bersama dalam satu penggunaan autonomi. 25

Apa sebenarnya yang diukur?

Dalam jadual perbandingan Li Auto yang dilaporkan, ME-VLM versi besar mencatat purata sekitar 70.9 bagi kumpulan ujian AI yang berinteraksi dengan dunia fizikal dan 72.5 bagi kumpulan ujian agen AI. Versi 4B berada di tempat kedua dalam perbandingan syarikat itu. Tanpa butiran lengkap keadaan ujian dan pengulangan bebas, angka tersebut tidak wajar dianggap ukuran umum kebolehpercayaan robot. 5

Bagi ME-U0, Li Auto melaporkan skor 17.66 pada RoboDojo, serta kadar kejayaan purata 99.1% pada LIBERO dan 81.8% pada LIBERO-Plus. Keputusan LIBERO itu dicapai selepas model disesuaikan menggunakan penyeliaan yang disediakan oleh setiap penanda aras. Ia bukan bukti prestasi tanpa penyesuaian khusus pada tugas fizikal yang belum pernah ditemui. 3

Li Auto berkata kira-kira 4,200 jam data pralatihan ME-U0 dipilih daripada himpunan asal yang mengandungi lebih kurang 5,700 jam data robot dan 3,920 jam video sudut pandang orang pertama. Gabungan ini berpotensi memperluas pengalaman visual model melangkaui demonstrasi robot, tetapi jumlah jam semata-mata tidak menunjukkan sejauh mana kemahirannya boleh digunakan pada robot atau persekitaran baharu. 3

Cip M100: Lebih pantas pada peringkat mana?

Bagi ME-VLM versi 4B pada M100, penulis laporan teknikal menyatakan bahawa pemampatan token visual, pengkuantuman W4A8 serta pengoptimuman perkakasan dan perisian mengurangkan masa fasa awal inferens (prefill) daripada 400 milisaat kepada 188 milisaat. Prefill ialah satu peringkat pemprosesan model—bukan masa keseluruhan dari saat robot mengesan perubahan sehingga tindakan fizikal selesai. Bahan yang dipetik juga tidak menunjukkan bahawa model 35B-A3B, ME-Brain lengkap dan ME-U0 berjalan bersama pada satu M100. 15

Laporan pelancaran turut menghuraikan demonstrasi menggenggam objek selama sejam dan urutan membuat kopi kira-kira empat minit yang melibatkan 15 langkah. Demonstrasi itu menunjukkan tugas yang dipilih Li Auto untuk dipamerkan, bukan kadar kejayaan apabila objek, pencahayaan atau gangguan ditentukan secara bebas, mahupun prestasi selepas penggunaan berulang. Bahan rujukan yang tersedia juga tidak menyokong dakwaan lebih khusus tentang kegagalan dalam demonstrasi tersebut yang disahkan pihak ketiga. 3

Ujian seterusnya yang paling bermakna ialah penilaian bebas dan boleh diulang terhadap sistem bersepadu: kejayaan tugas dan pemulihan selepas kegagalan dalam keadaan baharu, di samping ukuran masa penuh dari persepsi hingga tindakan pada perkakasan yang dinyatakan. Buat masa ini, skor penanda aras dan keputusan prefill M100 ialah petunjuk yang berbeza—bukan keputusan muktamad tentang robot serba guna. 135