Как устроен робототехнический ИИ MachEmbodied от Li Auto

Представленный Li Auto набор MachEmbodied можно описать так: система должна запоминать происходящее, разбираться в увиденном и превращать понимание задачи в действия робота. 22 сентября 2026 года команда фундаментальных моделей компании показала три разработки для этих задач — ME-Brain-1.0, ME-VLM и ME-U0. Это взаимодополняющие компоненты, но их анонс сам по себе не означает, что вся связка уже прошла независимые испытания как единый автономный робот. 35

За что отвечает каждая часть

ME-Brain-1.0 — системный уровень. Li Auto описывает его через память, познание и действие. По сообщениям о запуске, модули, связанные с памятью, могут работать на фирменном чипе M100: создавать записи и извлекать их непосредственно на устройстве. Из этого не следует, что все компоненты ME-Brain выполняются локально на том же чипе. 35

ME-VLM — модель для работы с изображениями и языком. Её задача — помогать системе понимать визуальную обстановку и координировать решения ИИ-агента. В техническом отчёте говорится об обучении на задачах для воплощённого ИИ и мультимодальных агентов, в том числе с использованием наблюдений за выполнением действий и обратной связи. Упоминаются крупная версия 35B-A3B с архитектурой «смесь экспертов» и компактная версия 4B для работы на устройстве. 15

ME-U0 связывает понимание с генерацией. Согласно описанию модели, архитектура Mixture-of-Transformers объединяет специализированные части, отвечающие за интерпретацию задачи и сцены, с частями, генерирующими действия. Различие важно: распознать, что нужно сделать, — не то же самое, что выполнить движение роботом. Представленные материалы не подтверждают, что все три разработки испытаны вместе в одной автономной установке. 25

Что говорят результаты тестов

В сравнительных таблицах Li Auto крупная ME-VLM, по сообщениям, набрала в среднем около 70,9 балла в наборах задач для воплощённого ИИ и 72,5 балла в наборах задач для ИИ-агентов. Версия 4B заняла второе место в тех же сравнениях компании. Без полных условий тестирования и независимого воспроизведения эти числа нельзя считать универсальной оценкой надёжности робота. 5

Для ME-U0 компания сообщает 17,66 балла на RoboDojo, а также среднюю долю успешных попыток 99,1% на LIBERO и 81,8% на LIBERO-Plus. Перед тестированием на LIBERO модель адаптировали с помощью данных для обучения, предусмотренных каждым из этих наборов задач. Поэтому результаты не следует представлять как выполнение незнакомых физических задач без предварительной адаптации. 3

Обучающие данные и работа на M100

По данным Li Auto, для предварительного обучения ME-U0 отобрали около 4200 часов материалов из исходных массивов, содержавших примерно 5700 часов данных роботов и 3920 часов видео от первого лица. Такое сочетание может расширить набор визуальных ситуаций по сравнению с одними лишь записями работы роботов. Но объём данных сам по себе не показывает, как модель справится с новым роботом или обстановкой. 3

Авторы ME-VLM сообщают, что для запуска версии 4B на системе-на-кристалле M100 они применили сжатие визуальных токенов, квантование W4A8 и совместную оптимизацию оборудования и программного обеспечения. Заявленная задержка на этапе prefill снизилась с 400 до 188 мс. Это время одного этапа обработки запроса, а не полный интервал от изменения в поле зрения робота до завершения его физической реакции. Приведённые материалы также не устанавливают, что крупная ME-VLM или вся связка ME-Brain и ME-U0 одновременно работает на одном M100. 15

Что остаётся проверить

В публикациях о запуске описаны часовая демонстрация захвата предметов и приготовление кофе примерно за четыре минуты в 15 шагов. Они показывают выбранные компанией задачи, но не позволяют оценить долю успешных попыток при независимо подобранных предметах, освещении, помехах или длительном повторении. Приведённых источников недостаточно и для более конкретных утверждений о недостатках демонстраций, якобы установленных сторонними наблюдателями. 3

Следующий существенный шаг — воспроизводимое независимое испытание всей системы: выполнение незнакомых задач, восстановление после ошибок и измерение полного времени от восприятия до действия на заявленном оборудовании. Пока оценки моделей в тестах и результат prefill на M100 остаются отдельными свидетельствами возможностей MachEmbodied, а не доказательством надёжности робота общего назначения. 135