MachEmbodied od Li Auto: trzy elementy, ale jeszcze nie jeden sprawdzony robot

Robot może rozpoznać przedmiot i zrozumieć polecenie, a mimo to nie poradzić sobie z jego uchwyceniem. To różnica, którą warto mieć na uwadze przy ocenie trzech projektów pokazanych przez zespół Foundation Model firmy Li Auto 22 września 2026 r.: systemu ME-Brain-1.0, modelu wizualno-językowego MachEmbodied-VLM (ME-VLM) oraz modelu MachEmbodied-U0 (ME-U0), łączącego rozumienie z generowaniem działań. Razem wyznaczają kierunek od obserwacji otoczenia do działania, lecz dostępne materiały nie dowodzą, że całość przetestowano niezależnie jako jednego autonomicznego robota. 35

Który element za co odpowiada?

ME-Brain-1.0 to koncepcja systemu obejmującego pamięć, procesy poznawcze i działanie. Według doniesień moduły związane z pamięcią mogą działać na układzie M100 firmy Li Auto, zapisując i wyszukując informacje bezpośrednio na urządzeniu. Nie oznacza to, że wszystkie części ME-Brain pracują lokalnie na tym układzie. 35

ME-VLM ma odpowiadać za rozumienie informacji wizualnych i językowych oraz koordynację zadań wykonywanych przez agenta AI. Autorzy raportu technicznego opisują trening obejmujący zadania związane z robotyką i agentami multimodalnymi, w tym obserwacje wykonania oraz informacje zwrotne służące ocenie rezultatów. Opisywana jest duża wersja 35B-A3B typu mixture of experts oraz mniejsza wersja 4B, przeznaczona do działania na urządzeniu końcowym. 15

ME-U0 ma wypełniać lukę między zrozumieniem zadania a wytworzeniem działań robota. Opisywana architektura Mixture-of-Transformers łączy wyspecjalizowane części modelu służące rozumieniu z częściami odpowiedzialnymi za generowanie. To opis komplementarnych ról trzech projektów, a nie dowód, że zostały już sprawdzone razem w jednym autonomicznym wdrożeniu. 25

Co mówią wyniki — i czego nie mówią?

W tabelach porównawczych Li Auto duży ME-VLM uzyskał według doniesień średnio około 70,9 punktu w zestawach testów związanych z robotyką i 72,5 punktu w testach agentów AI. Wersja 4B zajęła w tych firmowych porównaniach drugie miejsce. Bez pełnych warunków testowania i niezależnego powtórzenia wyników nie są to jednak ogólne miary niezawodności robota. 5

Li Auto podaje dla ME-U0 17,66 punktu w RoboDojo oraz średnią skuteczność 99,1% w LIBERO i 81,8% w LIBERO-Plus. Są to wyniki po dostosowaniu modelu z użyciem danych nadzorczych udostępnionych przez każdy z tych zestawów testowych. Nie należy ich utożsamiać ze skutecznością na nieznanych zadaniach fizycznych bez wcześniejszego dostosowania. 3

Dane treningowe i układ M100

Według Li Auto do wstępnego treningu ME-U0 wybrano około 4200 godzin danych z pul obejmujących mniej więcej 5700 godzin danych z robotów i 3920 godzin nagrań z perspektywy pierwszej osoby. Taki dobór może poszerzać zakres sytuacji wizualnych dostępnych modelowi, ale sama liczba godzin nie pokazuje, jak poradzi sobie on z nowym robotem lub w nowym otoczeniu. 3

W przypadku ME-VLM autorzy opisują kompresję tokenów wizualnych, kwantyzację W4A8 oraz wspólną optymalizację oprogramowania i sprzętu dla wersji 4B działającej na układzie M100. Według ich pomiarów czas prefill — wstępnego etapu przetwarzania danych wejściowych — spadł z 400 do 188 ms. Nie jest to czas od zauważenia zmiany przez robota do wykonania fizycznej reakcji. Przytoczone materiały nie potwierdzają też, że model 35B-A3B lub kompletny zestaw ME-Brain i ME-U0 działa razem na jednym M100. 15

Pokaz to nie niezależny test

Relacje z premiery opisują około godzinny pokaz chwytania przedmiotów oraz mniej więcej czterominutową sekwencję przygotowania kawy, obejmującą 15 kroków. Pokazują one zadania wybrane przez Li Auto, ale nie określają skuteczności przy przedmiotach i warunkach dobranych niezależnie, zakłóceniach czy długotrwałym użytkowaniu. Dostępne przytoczone materiały nie uzasadniają również bardziej szczegółowych twierdzeń o błędach zaobserwowanych w tych pokazach przez podmiot zewnętrzny. 3

Najbardziej miarodajny kolejny krok to niezależny, powtarzalny test zintegrowanego systemu: skuteczności na nieznanych stanowiskach, radzenia sobie z błędami oraz pełnego czasu od percepcji do działania na wskazanym sprzęcie. Do tego czasu wyniki testów i pomiar prefill na M100 pozostają obiecującymi, lecz odrębnymi danymi — nie ostateczną oceną możliwości robota. 135