Cog-WM 1.0 od EBKernel: co obiecuje poznawczy model świata dla robotów

EBKernel zaprezentował Cog-WM 1.0 podczas 2026 Pujiang Innovation Forum w Szanghaju jako „poznawczy model świata” inspirowany mechanizmami działania mózgu. Ambicja projektu jest jasna: zapewnić robotom wspólną podstawę do autonomicznej nawigacji i manipulowania przedmiotami bez konieczności korzystania z wcześniej przygotowanej mapy otoczenia. 39

Co właściwie ma robić Cog-WM 1.0?

Model świata tworzy wewnętrzną reprezentację otoczenia i próbuje przewidywać, co prawdopodobnie stanie się po wykonaniu danej czynności. EBKernel opisuje Cog-WM jako system predykcji w przestrzeni ukrytej (latent space). Zamiast rekonstruować każdy piksel sceny, ma on kodować przede wszystkim informacje istotne dla aktualnego celu robota. 3

Według firmy podejście czerpie z idei map poznawczych: pamięć jest aktualizowana selektywnie, wiedza przestrzenna możliwa do ponownego użycia jest odróżniana od doświadczeń epizodycznych, a przewidywania obejmują więcej niż jeden horyzont czasowy. To inspiracje obliczeniowe zaczerpnięte z neuronauki, a nie twierdzenie, że system biologicznie odtwarza działanie mózgu.

W nawigacji kluczową obietnicą jest jawna pamięć przestrzenna. Ma ona pomagać robotowi wybierać kolejne cele eksploracji i trasy w odniesieniu do celu końcowego. Kierunek ten jest zbliżony do BSC-Nav — ram badawczych, które budują allocentryczne, czyli niezależne od bieżącej perspektywy robota, mapy poznawcze na podstawie egocentrycznych trajektorii i kontekstu.

Deklarowane wyniki w nawigacji

Najbardziej konkretne porównanie dotyczy podzbioru benchmarku HM3D-ObjectNav. Według opublikowanego przez firmę zestawienia Cog-WM 1.0 uzyskał:

• 86,89% współczynnika powodzenia (SR) wobec 78,50% dla BSC-Nav — to różnica 8,39 punktu procentowego, czyli względny wzrost o 10,69%;
• 48,35 SPL wobec 47,70 dla BSC-Nav.

SPL łączy miarę powodzenia z efektywnością przebytej trasy. W dostępnych danych różnica jest więc znacznie większa dla samego wskaźnika powodzenia niż dla efektywności ruchu. Innymi słowy, wyniki sugerują, że system może częściej docierać do celu w tym teście, ale nie dowodzą równie dużej poprawy w skracaniu udanych tras.

Manipulowanie przedmiotami: co wiadomo?

EBKernel podaje, że moduł manipulacji w Cog-WM osiągnął wyniki lepsze nawet o około 16% od silnie wstępnie wytrenowanego rozwiązania typu π0.5 w trzech zestawach ewaluacyjnych, w tym RoboTwin 2.0. 3

Firma przypisuje to uczeniu się skutków działań zarówno w krótkim, jak i dłuższym horyzoncie oraz większej wadze doświadczeń, które przybliżają robota do realizacji zadania. Dostępne źródła nie zawierają jednak pełnych tabel wyników dla poszczególnych benchmarków, konfiguracji czujników, danych treningowych ani kompletnych protokołów oceny. Nie da się zatem niezależnie zweryfikować, czy porównanie z bazą typu π0.5 odbywało się na w pełni równych warunkach.

Podobnie należy traktować deklarowane wyniki ablation na LIBERO-Plus: od około 80% dla samej polityki sterowania do 84,6% dla pełnego systemu. Bez pełnego raportu technicznego lub tabel wyników są to niezależnie niezweryfikowane pomiary firmowe, a nie ostateczny ranking technologii.

Od benchmarku do fizycznego robota

EBKernel deklaruje demonstracje funkcji takich jak nawigacja bez gotowej mapy, planowanie trasy, odtwarzanie pamięci czasoprzestrzennej, odpowiadanie na pytania o relacje przestrzenne oraz wyszukiwanie obiektów. Testy miały być prowadzone na humanoidach poruszających się na kołach i robotach czworonożnych. Firma mówi również o demonstracji manipulacji na humanoidzie kołowym. 3

Spółka ma siedzibę w Szanghaju i została założona w 2025 r. Jej szersza teza brzmi: architektury oparte na pamięci i mechanizmach poznawczych mogą zmniejszyć zależność embodied AI — sztucznej inteligencji działającej w fizycznym świecie — od ogromnych zbiorów danych i bardzo dużej mocy obliczeniowej. 11

Jak czytać te deklaracje?

Cog-WM 1.0 przedstawia spójną koncepcję badawczą, łączącą pamięć przestrzenną, przewidywanie abstrakcyjnych stanów i planowanie zorientowane na cel. Porównanie z BSC-Nav jest interesujące, ponieważ oba podejścia traktują nawigację jako problem budowania ustrukturyzowanej wiedzy o przestrzeni, a nie wyłącznie reaktywnego przetwarzania percepcji.

Najbardziej efektowne wyniki pochodzą jednak przede wszystkim z komunikatów firmy. Mocniejsze wnioski wymagałyby publicznego kodu lub szczegółowego raportu technicznego, porównywalnych danych treningowych i czujników, jasno określonych budżetów obliczeniowych oraz niezależnych testów w różnych środowiskach.

Wniosek: Cog-WM 1.0 to obiecująca, ale wczesna propozycja dla embodied AI, łącząca predykcję w przestrzeni ukrytej z poznawczą pamięcią przestrzenną. Deklarowane zyski w benchmarkach zasługują na uwagę, lecz na razie nie wystarczają, by potwierdzić niezawodną, uniwersalną autonomię robota w otwartym świecie.