AnswersPublished17 sources
Tiga Model Pelican X-Humanoid Tunjukkan Arah AI Robot
Laporan Pelican menerangkan tiga peranan yang saling melengkapi: menjana tindakan robot, meramalkan pemerhatian akan datang dan menyatukan pemahaman dengan tindakan. Pelican VLA 0.5 menggabungkan pemahaman penglihatan bahasa, penjanaan bingkai masa hadapan dan ramalan tindakan.
Diterbitkan olehDisunting dengan GPT-6 LunaImej dijana dengan GPT Image 2
Research answer
Key takeaways
- Laporan Pelican menerangkan tiga peranan yang saling melengkapi: menjana tindakan robot, meramalkan pemerhatian akan datang dan menyatukan pemahaman dengan tindakan.
- Pelican VLA 0.5 menggabungkan pemahaman penglihatan bahasa, penjanaan bingkai masa hadapan dan ramalan tindakan.
- Sumber yang tersedia tidak mengesahkan bahawa taksonomi generalisasi atau pelan gelung polisi robot yang berkembang sendiri dibentangkan dalam ucaptama Zou Shilong di ROSCon China.
AI Prompt
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 awam X-Humanoid tentang siri Pelican menunjukkan usaha membina model AI berjasad—iaitu AI yang memahami persekitaran fizikal dan bertindak melalui robot—dengan menghubungkan persepsi, ramalan dan tindakan. Tiga modelnya mempunyai peranan berbeza: Pelican-VLA 0.5 menjana tindakan bersama bingkai masa hadapan, Pelican-Sim 1.0 meramalkan pemerhatian akan datang berdasarkan tindakan robot, manakala Pelican-Unify menyatukan pemahaman, penaakulan, imaginasi dan tindakan. 17
18
44
Namun, sumber yang tersedia tidak mengesahkan bahawa keseluruhan hala tuju penyelidikan ini—atau taksonomi generalisasi dan gelung polisi yang berkembang sendiri yang kadangkala dikaitkan dengannya—dibentangkan dalam ucaptama Zou Shilong pada ROSCon China bulan Oktober.
Perkara yang disokong oleh laporan awam
Pelican-VLA 0.5: menghubungkan persepsi dengan tindakan
Pelican-VLA 0.5 diterangkan sebagai model penglihatan-bahasa-tindakan (VLA) yang menggabungkan pemahaman penglihatan-bahasa, penjanaan bingkai masa hadapan dan ramalan tindakan dalam satu seni bina. 44 Repositori projeknya menyatakan model itu menggunakan tulang belakang Qwen3-VL 4B yang dikongsi serta titik semak pralatih merentas jenis badan robot. Repositori itu turut melaporkan latihan menggunakan kira-kira 2,400 jam data manipulasi yang pelbagai.
46
47
Laporan tersebut juga mengetengahkan corak perhatian model: sebelum penalaan halus khusus tugasan, laluan tindakannya memberi tumpuan kepada objek dan kawasan sentuhan yang berkaitan dengan arahan. 44
46 Selepas penalaan halus menggunakan RoboTwin, laporan itu menyatakan kadar kejayaan 91.4% pada RoboTwin Clean dan 91.0% pada RoboTwin Randomized.
44
Dapatan ini merujuk kepada Pelican-VLA 0.5. Ia tidak mengesahkan dakwaan berasingan bahawa penambahan 500 trajektori janaan kepada 50 demonstrasi asal bagi setiap tugasan menghasilkan keputusan tertentu untuk Pelican-Sim.
Pelican-Sim 1.0: meramalkan apa yang berlaku selepas tindakan
Pelican-Sim 1.0 dipersembahkan sebagai simulator model dunia yang meramalkan pemerhatian akan datang berdasarkan konteks visual dan tindakan robot, dengan tujuan menyokong pembelajaran serta pembuatan keputusan seterusnya. Laporan teknikalnya menerangkan penggunaan perwakilan tindakan berangka dan visual yang disegerakkan. 17
Fungsi yang dinyatakan ini berbeza daripada Pelican-VLA 0.5. Berbanding model yang menghubungkan persepsi terus kepada tindakan, Pelican-Sim memberi tumpuan kepada ramalan pemerhatian masa hadapan berdasarkan tindakan. Laporan itu menyokong penerangan tentang peranan model tersebut, tetapi bukti yang diberikan tidak mengesahkan strategi data empat lapisan yang dikaitkan dengan ucaptama, mahupun keputusan terperinci bagi percubaan menggunakan 50 demonstrasi asal bersama 500 trajektori janaan. 17
Pelican-Unify: menyatukan pemahaman dan penjanaan berjasad
Laporan teknikal Pelican-Unify 1.0 menerangkannya sebagai model kecerdasan berjasad yang menyatukan pemahaman, penaakulan, imaginasi dan tindakan. Menurut laporan itu, satu model penglihatan-bahasa berfungsi sebagai komponen pemahaman bersama, dengan memetakan pemandangan, arahan, konteks visual dan sejarah tindakan ke dalam ruang semantik yang sama. 18
Model ini sudah didokumentasikan secara terbuka sebelum acara Oktober: laporan teknikalnya mempunyai pengenal Mei 2026, dan laporan berita pada bulan yang sama menyebut pelancarannya. 18
24 Oleh itu, bukti yang ada tidak menyokong dakwaan bahawa Pelican-Unify pertama kali diperkenalkan kepada umum pada Oktober. Namun, bukti itu tidak menolak kemungkinan model tersebut dibentangkan buat kali pertama kepada khalayak persidangan berkenaan.
Bagaimana ketiga-tiga model saling melengkapi
Secara keseluruhan, laporan tersebut menggambarkan beberapa komponen yang saling melengkapi dalam pembelajaran robot: Pelican-VLA 0.5 menghubungkan input visual-bahasa dengan tindakan yang diramal serta bingkai masa hadapan; Pelican-Sim 1.0 memodelkan pemerhatian masa hadapan berdasarkan tindakan robot; dan Pelican-Unify berusaha menyatukan pemahaman, penaakulan, imaginasi serta tindakan. 17
18
44
Ini ialah rumusan berdasarkan penerangan model yang diterbitkan, bukannya urutan pembangunan atau pelan hala tuju yang disahkan telah diumumkan dalam ucaptama.
Butiran ucaptama yang masih belum disahkan
Laman ROSCon China 2026 mengesahkan bahawa persidangan itu dijadualkan berlangsung di Shanghai pada 16 hingga 18 Oktober. Namun, senarai persidangan yang tersedia tidak mengesahkan tajuk ucaptama, nama penceramah, slot pada 17 Oktober atau kandungan pembentangannya. 3
Sumber yang tersedia juga tidak mengesahkan takrif tepat bagi empat tahap generalisasi yang dikaitkan dengan ucaptama itu—latar belakang, komposisi, silang dan luar taburan—atau urutan strategi yang dikatakan bermula dengan video perspektif orang pertama tanpa badan robot dan rakaman UMI pegang tangan, kemudian beralih kepada data simulasi, data pemulihan kegagalan serta iterasi polisi berpandukan maklum balas. Tanpa rakaman, slaid atau ulasan rasmi yang terperinci, mengaitkan takrif dan langkah tersebut secara khusus dengan Zou Shilong berisiko menyampaikan butiran yang belum disahkan sebagai fakta.
Begitu juga, bukti yang diberikan tidak mengesahkan dakwaan tentang kaedah analisis perwakilan, campur tangan pada laluan perhatian atau ujian tingkah laku untuk mengenal pasti sejauh mana model bergantung pada isyarat visual dan bahasa. Bukti itu juga tidak menyokong secara khusus dakwaan tentang kerja pemulihan kegagalan dalam tugasan jangka panjang atau gelung yang menghubungkan simulasi dalam model, kemas kini polisi, pengesahan di dunia sebenar dan data maklum balas.
Kesimpulan yang paling kukuh setakat ini lebih terhad: laporan awam X-Humanoid meneroka cara menghubungkan persepsi, jangkaan tentang keadaan akan datang dan tindakan, di samping simulasi berasaskan model dunia. Pelan hala tuju ucaptama yang lebih terperinci masih belum dapat disahkan daripada bukti yang tersedia.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Tiga Model Pelican X-Humanoid Tunjukkan Arah AI Robot"?
Laporan Pelican menerangkan tiga peranan yang saling melengkapi: menjana tindakan robot, meramalkan pemerhatian akan datang dan menyatukan pemahaman dengan tindakan.
What are the key points to validate first?
Laporan Pelican menerangkan tiga peranan yang saling melengkapi: menjana tindakan robot, meramalkan pemerhatian akan datang dan menyatukan pemahaman dengan tindakan. Pelican VLA 0.5 menggabungkan pemahaman penglihatan bahasa, penjanaan bingkai masa hadapan dan ramalan tindakan.
What should I do next in practice?
Sumber yang tersedia tidak mengesahkan bahawa taksonomi generalisasi atau pelan gelung polisi robot yang berkembang sendiri dibentangkan dalam ucaptama Zou Shilong di ROSCon China.
Sources
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