AnswersPublished18 sources
Polibrain forutsier hva roboten bør følge med på – ikke hver videorute
Polibrain er Qianjue Technologys prediktive verdensmodell for roboter. Den skal forutsi hvordan handlinger endrer oppgaveviktige tilstander, framfor å lage video av framtiden.[7][8] I en oppgave som å plukke opp søppel er plasseringen av gjenstanden, forholdet mellom arm og mål og virkningen av et grep viktigere enn...
Publisert avRedigert med GPT-6 LunaBilder generert med GPT Image 2
Research answer
Key takeaways
- Polibrain er Qianjue Technologys prediktive verdensmodell for roboter. Den skal forutsi hvordan handlinger endrer oppgaveviktige tilstander, framfor å lage video av framtiden.[7][8]
- I en oppgave som å plukke opp søppel er plasseringen av gjenstanden, forholdet mellom arm og mål og virkningen av et grep viktigere enn bakgrunnens farger og teksturer.[4]
- En demonstrasjon viste en firbeint robot med arm og oppsamlingskurv som fant og plukket opp søppel.
- Qianjue viser til forskning med Tsinghua universitetet og et mål om å bruke samme kjerneintelligens på ulike roboter.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What is Polibrain, the predictive robot world model unveiled by Tsinghua rooted embodied AI company Qianjue and founder Gao Haichuan during. Article summary: Polibrain is Qianjue Technology’s predictive world model for a robot “brain”: it forecasts how actions change task relevant physical states, rather than reconstructing every future video frame.. Topic tags: general web, chatgpt, ai, api, benchmarks. 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 with fake numbers, clickbait t
Polibrain er Qianjue Technologys prediktive verdensmodell for roboter – et slags «hjernegrunnlag» som skal hjelpe en robot med å forstå hva som kan skje når den handler. Modellen forsøker ikke å gjenskape hvert bilde av en mulig framtid. I stedet forutsier den endringer i tilstander som har betydning for oppgaven, og bruker anslagene i planlegging og styring.7
8
Grunnlegger og toppsjef Gao Haichuan presenterte Polibrain 20. oktober 2026 under åpningen av den første konferansen om Physical AI og verdensmodeller i Nanjing.7
8
Fra framtidsvideo til nyttige forutsigelser
En robot som skal plukke opp søppel, trenger ikke nødvendigvis å lage en detaljert modell av bakken eller bakgrunnens tekstur. Den må først og fremst vite hvor søppelet ligger, hvordan armen står i forhold til målet, og hva som skjer med gjenstanden når roboten prøver å gripe den.4
Polibrain skal lære sammenhenger mellom tilstanden i omgivelsene, tidligere informasjon og resultatene av handlinger. Deretter forutsier modellen hvordan relevante forhold kan endre seg, i en såkalt latent representasjon – en kompakt intern beskrivelse av situasjonen. Disse forutsigelsene kan brukes når roboten planlegger og velger neste handling.7
Qianjue sier at modellen bygger på en egenutviklet arkitektur for polynomiske representasjoner. Tanken er å organisere informasjon rundt variabler som påvirker oppgaven, og redusere «forurensning» fra detaljer som bakgrunnstekstur eller lysforhold. Slike detaljer kan ellers bli blandet sammen med informasjonen roboten trenger, og gjøre det vanskeligere å overføre læringen til nye omgivelser.9
En demonstrasjon – og spørsmål om robusthet
I en demonstrasjon utendørs hadde en firbeint robot en mekanisk arm og en kurv for innsamling. Den fant søppel, beveget seg mot det, planla et grep og la gjenstanden i kurven.5
Beskrivelsene av Polibrain framstiller arbeidet som en løpende sløyfe: roboten oppfatter omgivelsene, bygger en forståelse av situasjonen, forutsier hva en handling vil føre til, tar en beslutning, utfører handlingen og bruker tilbakemeldinger til å vurdere veien videre.15 Hvis et grep mislykkes, kan roboten dermed måtte planlegge på nytt ut fra situasjonen slik den faktisk ble.
En demonstrasjon viser imidlertid ikke i seg selv hvor pålitelig systemet er i komplekse eller skiftende omgivelser. Det tilgjengelige materialet bekrefter heller ikke mer spesifikke påstander om at en egen funksjon for å tolke nøkkeltrekk diagnostiserer bestemte feil når virkeligheten avviker fra forutsigelsen.
Én forståelse, ulike roboter?
Qianjues beskrevne mål er å skille mellom en felles forståelse av verden og styringen som er spesifikk for hver robot. En slik løst koblet arkitektur kan i prinsippet gjøre det mulig å gjenbruke deler av intelligensen på ulike roboter. Omtalen nevner firbeinte, menneskelignende og hjulgående roboter, samt plattformer med to armer.15
Det tilgjengelige grunnlaget bekrefter ikke tilpasning til alle robottypene og bruksområdene som er nevnt i enkelte beskrivelser – blant annet roboter med én arm, selskaps- og serveringstjenester, rydding og finmotorisk håndtering. Det dokumenterer heller ikke et system der tilkoblede apparater og ulike roboter deler data i én felles modell. Påstanden om at Qianjue utelukkende vil levere «robothjernen» og ikke utvikle maskinvare, er heller ikke slått fast her.6
Forskningsbakgrunn og åpne spørsmål
Qianjue og et forskerteam ved Tsinghua-universitetet publiserte i 2025 en studie med tittelen When Do Neural Networks Learn World Models?. Arbeidet undersøkte blant annet når nevrale nettverk kan gjenskape underliggende variabler i verden, og hvilken rolle identifiserbarhet og preferanse for enklere funksjoner spiller.10
Senere omtale viser også til «Effective Degree», eller effektiv grad, som et mål på hvor kompleks funksjonen et nevralt nettverk har lært, og som kan brukes i forskning på representasjoner og generalisering.4
9
Qianjue har dessuten omtalt forskning på å velge hvilke tidligere observasjoner en robot bør ta vare på, basert på om de påvirker senere forutsigelser og beslutninger. Det er ikke klart ut fra materialet om denne metoden er del av Polibrain, eller nøyaktig hvordan den eventuelt brukes.7
9
Hovedideen er tydelig: Polibrain skal forutsi konsekvensene av handlinger som betyr noe for oppgaven, i stedet for å lage framtidige bilder. Men hvor bredt dette fungerer i praksis, og hvor robust systemet er på tvers av roboter og situasjoner, gjenstår å dokumentere.4
7
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 "Polibrain forutsier hva roboten bør følge med på – ikke hver videorute"?
Polibrain er Qianjue Technologys prediktive verdensmodell for roboter. Den skal forutsi hvordan handlinger endrer oppgaveviktige tilstander, framfor å lage video av framtiden.[7][8]
What are the key points to validate first?
Polibrain er Qianjue Technologys prediktive verdensmodell for roboter. Den skal forutsi hvordan handlinger endrer oppgaveviktige tilstander, framfor å lage video av framtiden.[7][8] I en oppgave som å plukke opp søppel er plasseringen av gjenstanden, forholdet mellom arm og mål og virkningen av et grep viktigere enn bakgrunnens farger og teksturer.[4]
What should I do next in practice?
En demonstrasjon viste en firbeint robot med arm og oppsamlingskurv som fant og plukket opp søppel.