Li Auto’nun MachEmbodied üçlüsü nasıl çalışıyor?

Li Auto’nun Foundation Model ekibi, 22 Eylül 2026’da bedenselleşmiş yapay zekâ için üç bağlantılı çalışma duyurdu: ME-Brain-1.0, MachEmbodied-VLM (ME-VLM) ve MachEmbodied-U0 (ME-U0). Birlikte bakıldığında bunlar, robotun çevresini gözlemlemesinden durumu yorumlayıp eylem üretmesine uzanan bir yaklaşım sunuyor. Fakat duyuru, üç parçanın tek bir robotta, aynı uç cihaz üzerinde birlikte çalıştığının bağımsız doğrulaması değil. 35

Üç parçanın görevi ne?

ME-Brain-1.0 sistem çerçevesi. Li Auto bu sistemi bellek, biliş ve eylem üzerinden tarif ediyor. Haberlere göre bellekle ilgili bazı modüller, şirketin M100 yonga üzerinde sisteminde (SoC) cihaz içinde bellek oluşturma ve geri çağırma işlemlerini yapabiliyor. Bu, ME-Brain’in tamamının M100’de çalıştığı anlamına gelmiyor. 35

ME-VLM, görsel bilgiyi ve dili birlikte işleyerek durumu yorumlamaya odaklanıyor. Teknik raporu, modelin bedenselleşmiş yapay zekâ ve çok modlu ajan görevleri üzerinde eğitildiğini; sonuç değerlendirmesi ve kararları iyileştirmeye yönelik gözlem ve geri bildirim verilerinden yararlandığını anlatıyor. Haberlere göre modelin 35B-A3B adlı uzmanlar karışımı sürümü ile uç cihazlara yönelik daha küçük bir 4B sürümü bulunuyor. 15

ME-U0, anlamadan eylem üretmeye geçişi hedefliyor. Bildirilen Mixture-of-Transformers tasarımı, görev ve sahneyi yorumlayan uzman bileşenleri eylem üretenlerle ilişkilendiriyor. Bir robot için ne yapılacağını belirlemek ile bunu işe yarar bir harekete dönüştürmek ayrı sorunlar. Üç çalışma birbirini tamamlayan parçalar olarak sunulsa da kaynaklar, hepsinin tek bir otonom kurulumda birlikte sınandığını göstermiyor. 25

Test sonuçları ne söylüyor, ne söylemiyor?

Li Auto’nun karşılaştırma tablolarına ilişkin haberlere göre büyük ME-VLM, bedenselleşmiş yapay zekâ test gruplarında yaklaşık 70,9, ajan test gruplarında 72,5 ortalama puan aldı; 4B sürümü ise şirketin bu karşılaştırmalarında ikinci sırada yer aldı. Tam test koşulları ve bağımsız tekrar olmadan bu puanlar, robotun genel güvenilirliğinin ölçüsü sayılamaz. 5

Li Auto, ME-U0 için RoboDojo’da 17,66 puan, LIBERO’da ortalama %99,1 ve LIBERO-Plus’ta ortalama %81,8 başarı oranı bildiriyor. LIBERO sonuçları, her testin sağladığı gözetim verileriyle yapılan uyarlamanın ardından elde edildi. Dolayısıyla bunlar, modelin daha önce karşılaşmadığı fiziksel görevlerde hiçbir ek uyarlama olmadan aynı başarıyı göstereceği anlamına gelmiyor. 3

Eğitim verisi ve M100’deki hız kazanımı

Şirkete göre ME-U0’ın ön eğitimi için yaklaşık 5.700 saatlik robot verisi ve 3.920 saatlik birinci şahıs bakış açısı videosu içeren ham veri havuzlarından yaklaşık 4.200 saatlik veri seçildi. Bu birleşim, modele robot gösterimlerinin dışındaki görsel durumları da sunabilir; ancak saat sayıları tek başına yeni bir robota veya ortama ne kadar iyi uyum sağlayacağını göstermez. 3

ME-VLM’nin geliştiricileri, 4B sürümünü M100’de çalıştırmak için görsel belirteç sıkıştırma, W4A8 nicemleme ve donanım-yazılım optimizasyonu kullandıklarını belirtiyor. Bildirdikleri sonuç, prefill gecikmesinin 400 milisaniyeden 188 milisaniyeye düşmesi. Prefill, modelin çıkarım sürecindeki bir aşama; robotun bir değişikliği görmesinden fiziksel tepkiyi tamamlamasına kadar geçen süre değil. Kaynaklar, 35B-A3B sürümünün veya ME-Brain ile ME-U0’ı da kapsayan bütün sistemin tek bir M100 üzerinde birlikte çalıştığını ortaya koymuyor. 15

Gösterilerden sonra hangi soru açık kalıyor?

Tanıtıma ilişkin haberlerde bir saatlik nesne kavrama gösterisi ve yaklaşık dört dakika süren, 15 adımlı kahve hazırlama dizisi anlatılıyor. Bunlar Li Auto’nun sergilediği görevleri gösteriyor; bağımsız olarak seçilmiş nesnelerde, farklı ışık koşullarında, kesintiler altında veya uzun süreli tekrarlarda başarı oranını belirlemiyor. Mevcut kaynaklar, gösterilerdeki başarısızlıklara ilişkin daha özel bir üçüncü taraf tespitini de doğrulamıyor. 3

Asıl sınama, bütünleşik sistemin bağımsız biçimde tanımlanmış ve tekrarlanabilir koşullarda değerlendirilmesi olacak: Bilinmeyen düzeneklerde görev başarısı, hatadan toparlanma ve belirtilen donanımda algılamadan eyleme kadar toplam gecikme. O zamana dek test puanları ile M100’deki prefill sonucu, genel amaçlı robotlar hakkında tek bir hüküm değil, birbirinden ayrı kanıtlar olarak okunmalı. 135