Intern W0: Shanghai AI Labs robot-AI ska få laboratorier att känna, reagera och korrigera

När kameran inte räcker

Shanghai AI Laboratory har presenterat Intern Physical World Model W0, ett system för förkroppsligad AI som ska föra AI-styrt arbete från digital planering till fysisk robotmanipulation. Enligt rapporteringen, som publicerades den 13–14 september 2026, kombinerar W0 visuell perception med kraft-, känsel- och robotstatusdata så att en robot kan uppfatta, förutsäga, agera och korrigera sig under ett arbetsmoment. 3235

Det är relevant i laboratorier eftersom många svåra robotuppgifter inte avgörs av vad kameran ser. Det kan handla om att ett kärl oväntat gör motstånd, att ett robotgrepp börjar glida, att ett verktyg träffar en yta eller att ett material beter sig annorlunda än väntat.

W0 beskrivs som en kombinerad världsmodell och styrningsstack med:

• syn för att observera objekt, verktyg och arbetsyta,
• kraft- och känselsignaler för att registrera kontakt och motstånd,
• robotens kroppstillstånd, exempelvis position eller rörelse,
• förutsägelser om vad som kan hända härnäst, samt
• åtgärder och korrigeringar när ny multimodal återkoppling kommer in. 3235

Målet är en tätare styrloop. I stället för att bara följa en fast plan baserad på kamerabilder ska roboten kunna justera nästa steg när kontaktförhållandena förändras. Det är centralt vid exempelvis varsam hantering, insättning av delar, blandning och arbete med kärl – situationer där den relevanta informationen inte alltid syns.

Vad innebär ”inbyggd kraft och känsel”?

Shanghai AI Labs lanseringsbudskap beskriver W0 som native force-tactile, här ungefär ”inbyggd kraft- och känselsensing”. I praktiken betyder det att kraft och beröring behandlas som direkta indata till robotens operativa beslut, tillsammans med syn och kroppstillstånd, snarare än som ett separat säkerhetslarm efter att planen redan lagts. 35

En robot kan därmed reagera på sådant som är svårt att utläsa visuellt: oväntat motstånd, ändrad kontaktkraft eller ett grepp som börjar slira. Den bredare forskningsinriktningen är etablerad: kraft- och känselbaserade världs- och handlingsmodeller försöker modellera visuella och fysiska kontaktutfall gemensamt vid kontaktintensiv manipulation. 33

Däremot finns det ännu ingen offentligt tillgänglig, fullständig teknisk W0-rapport, datamängd eller reproducerbar benchmarksvit. Beskrivningen av systemet bör därför ses som utvecklarens uppgift om konstruktion och kapacitet, inte som ett fullt granskbart implementationsbevis.

Duplexsamarbete: planering och reflexer i olika tempo

W0:s andra framlyfta funktion är duplexsamarbete, som enligt lanseringsrapporteringen bygger på en asynkron arkitektur där olika delar arbetar i olika frekvens. 35

Det kan förstås som två parallella spår:

1. Ett förutsägande spår upprätthåller eller uppdaterar en bild av uppgiften och det närmaste fysiska förloppet.
2. Ett reaktivt styrspår tar emot nya sensordata och kan justera motorstyrningen utan att invänta en långsammare planeringscykel.

I kontaktkrävande robotik är uppdelningen viktig. Planering gynnas av längre tidshorisont, medan kontaktdynamik ofta kräver mycket snabba svar. När processerna får löpa på olika tidsskalor kan fördröjningen mellan en miljöförändring och en korrigerande rörelse minska. 35

Inte samma sak som NCP-ArchPreview

Ordet ”samarbete” kan skapa förvirring, eftersom Shanghai AI Lab också förknippas med NCP-ArchPreview, utvecklad tillsammans med LUMIA Lab vid Shanghai Jiao Tong University. Men systemen löser i grunden olika problem.

System	Huvudområde	Vad det kombinerar	Resultat
Intern W0	Fysisk robotik	Syn, kraft, känsel, robotstatus, prediktion och styrning	Fysiska handlingar och uppdaterade tillståndsprognoser
NCP-ArchPreview	Språkmodellering	Prediktion av nästa token och Next Concept Prediction	Textgenerering via ett vanligt gränssnitt för nästa token

NCP-ArchPreview lär sig en diskret, latent representation av ”begrepp” som kan omfatta flera tokens, parallellt med traditionell prediktion av nästa token. Begreppsprediktionerna vägleder en tokenavkodare, men modellen behåller det vanliga språkmodellsgränssnittet för generering. 1922

Kort sagt: W0 handlar om sensorimotoriskt samspel med den fysiska världen, medan NCP-ArchPreview handlar om att organisera och förutsäga språkliga representationer i ett latent rum. Tillgängligt material visar inte att NCP-ArchPreview är W0:s styrenhet eller en central komponent i W0.

Kopplingen till InkStone och Intern-S2

Enligt lanseringsrapporteringen är W0 ansluten till plattformen för vetenskapliga upptäckter, Intern InkStone, och samverkar med vetenskapsmodellen Intern-S2. 32 Intern-S2 presenteras i sin tur som en serie agentiska grundmodeller för multimodal vetenskaplig förståelse, resonemang, generering och uppgifter med lång tidshorisont. 12

Den rapporterade arbetsfördelningen motsvarar en möjlig sluten laboratoriecykel:

• ett vetenskapligt system hjälper till att formulera hypoteser, protokoll eller experimentval,
• W0-styrd laboratorieutrustning utför fysiska steg och övervakar genomförandet,
• resultaten förs tillbaka till nästa iterering i stället för att avsluta processen efter ett enda förprogrammerat körschema. 32

Det är en viktig gräns för autonom forskning. Att föreslå ett experiment är en sak; att tillförlitligt utföra det med verklig utrustning, verkliga material och löpande återkoppling är en annan.

Rapporterade tillämpningar i våt- och torrlaboratorier

Lanseringsbevakningen tillskriver kombinationen W0, InkStone och Intern-S2 flera tillämpningar i slutna loopar:

• riktad evolution av genredigerande proteiner,
• organisk syntes i flera steg av mepivakain, samt
• framställning av lipidnanopartiklar, inklusive dynamisk justering av processparametrar under beredningen. 3235

Det är rimliga användningsområden för adaptiv automatisering. Lipidnanopartiklar, ofta förkortat LNP, används brett som bärare för nukleinsyror, och deras framställning beror på både formulering och processförhållanden. 19 Men de specifika W0-demonstrationerna är fortfarande utvecklarrapporterade: det tillgängliga materialet redovisar inte protokoll, felfrekvenser, datamängder, jämförelser mellan laboratorier eller oberoende replikeringar.

Potentialen – och den stora obesvarade frågan

W0:s möjliga betydelse ligger i rollen som ett automatiseringslager mellan AI-basererat vetenskapligt resonemang och experimentets fysiska genomförande. Om system av denna typ kan fungera tillförlitligt över flera instrument och laboratorier skulle avståndet kunna minska mellan ett planerat experiment och de konkreta handgrepp som krävs för att utföra det. Det kan göra design–bygg–testa–lär-cykler mer anpassningsbara inom kemi, biologi och materialforskning. 32

Den centrala begränsningen är generalisering. Kontaktintensiv robotik påverkas starkt av kalibrering, sensordrift, varierande laboratorieutrustning, materialvariationer, kontamineringskrav och sällsynta men betydelsefulla fel. Det offentliga underlaget visar ännu inte hur tillförlitligt W0 fungerar mellan laboratorier, instrument, långvariga protokoll eller oberoende användare.

Tills vidare är W0 därför mest träffsäkert beskrivet som ett uppmärksammat tidigt exempel på fysisk AI för forskning: ett system med en ambitiös integrationsidé och rapporterade laboratorietillämpningar, men också ett tydligt kvarstående behov av validering.