Li Autos MachEmbodied: Från synintryck till robothandling

Li Autos Foundation Model-team presenterade den 22 september 2026 tre närbesläktade satsningar på förkroppsligad AI – AI som ska kunna uppfatta sin omgivning och omsätta beslut i fysiska handlingar. ME-Brain-1.0 är tänkt som systemet som håller ihop minne, förståelse och handling. ME-VLM arbetar med bild- och språkinformation, medan ME-U0 ska föra förståelsen vidare till genererade handlingar. Tillsammans tecknar de en möjlig väg från synintryck till robotrörelse. Det är däremot inte visat att alla tre har prövats som ett sammanhängande, oberoende utvärderat system på en och samma robot. 35

Tre delar med olika uppgifter

ME-Brain-1.0 beskrivs av Li Auto som ett system för minne, kognition och handling. Enligt rapporteringen kan minnesrelaterade moduler köras på företagets M100, en systemkrets för lokal beräkning, så att minnen kan skapas och hämtas direkt på enheten. Det innebär inte att hela ME-Brain har visats köras där. 35

ME-VLM är en bild- och språkmodell för förkroppsligad förståelse och samordning av AI-agenter. Dess tekniska rapport beskriver träning på bland annat robotnära och multimodala agentuppgifter, med observationer och återkoppling som ska hjälpa modellen att bedöma utfall och justera beslut. Enligt rapporteringen finns en större expertblandningsmodell kallad 35B-A3B och en mindre 4B-version avsedd för lokal körning. 15

ME-U0 ska överbrygga steget mellan att förstå en uppgift och att utföra den. Den rapporterade arkitekturen, Mixture-of-Transformers, kopplar samman delar som tolkar uppgifter och scener med delar som genererar handlingar. Det är en viktig skillnad: att identifiera vad som bör göras är inte samma sak som att få en robot att göra det tillförlitligt. 25

Vad siffrorna faktiskt säger

I Li Autos egna jämförelsetabeller uppges den stora ME-VLM-modellen nå omkring 70,9 i genomsnitt på testsviter för förkroppsligad AI och 72,5 på agentsviter. 4B-versionen placeras som tvåa i dessa företagsjämförelser. Utan fullständiga testvillkor och oberoende upprepning är siffrorna inte ett allmänt mått på hur pålitlig en robot är. 5

För ME-U0 rapporterar Li Auto 17,66 poäng i RoboDojo samt genomsnittliga framgångstal på 99,1 procent i LIBERO och 81,8 procent i LIBERO-Plus. LIBERO-resultaten uppnåddes efter anpassning med träningsinformation från respektive test. De ska alltså inte läsas som resultat på helt nya fysiska uppgifter utan sådan anpassning. 3

Li Auto uppger också att cirka 4 200 timmar data valdes ut för ME-U0:s förträning ur rådatamängder med ungefär 5 700 timmar robotdata och 3 920 timmar video filmad ur förstapersonsperspektiv. Blandningen kan ge fler visuella situationer än robotinspelningar ensamma, men antalet timmar visar inte i sig hur väl modellen fungerar med en ny robot eller i en ny miljö. 3

Snabbare på M100 – men vilken del?

För ME-VLM:s 4B-version rapporterar författarna att komprimering av visuella token, W4A8-kvantisering och anpassning mellan hårdvara och mjukvara möjliggör körning på Li Autos M100-krets. De uppger att prefill-fördröjningen minskade från 400 till 188 millisekunder. Prefill är den inledande bearbetningen av modellens indata, inte tiden från att en robot upptäcker en förändring tills den har reagerat fysiskt. Det redovisade materialet visar inte att 35B-A3B-modellen, ME-U0 och hela ME-Brain körs tillsammans på en enda M100. 15

Vid lanseringen beskrevs en timslång demonstration där en robot griper föremål och en kaffetillagning som tog ungefär fyra minuter och omfattade 15 steg. De visar vad Li Auto valde att demonstrera, men säger inte hur ofta systemet lyckas med oberoende utvalda föremål, annan belysning, avbrott eller långvarig användning. Det tillgängliga underlaget styrker inte heller någon mer specifik extern slutsats om fel i just dessa demonstrationer. 3

Det avgörande nästa steget är därför oberoende, reproducerbara tester av det integrerade systemet: hur ofta det lyckas, hur det återhämtar sig från fel och hur lång tid hela kedjan från perception till handling tar på den angivna hårdvaran. Tills dess är benchmarkresultaten och M100-mätningen separata, lovande datapunkter – inte ett slutligt besked om generell robotförmåga. 135