Cog-WM 1.0 của EBKernel: Mô hình thế giới “nhận thức” hứa hẹn gì cho robot?

EBKernel đã giới thiệu Cog-WM 1.0 tại diễn đàn Pujiang Innovation Forum 2026 ở Thượng Hải như một “mô hình thế giới nhận thức” lấy cảm hứng từ các cơ chế của não bộ. Mục tiêu là tạo một nền tảng chung để robot tự di chuyển và thao tác với đồ vật trong không gian xa lạ, không cần nạp sẵn bản đồ của khu vực. 39

Cog-WM 1.0 đang cố giải quyết điều gì?

“Mô hình thế giới” là hệ thống tạo và cập nhật một biểu diễn nội tại về môi trường, từ đó dự đoán điều gì có thể xảy ra sau một hành động. Theo mô tả của EBKernel, Cog-WM là hệ thống dự đoán trong không gian tiềm ẩn (latent space): thay vì cố tái dựng mọi pixel trong cảnh, nó mã hóa những thông tin quan trọng đối với mục tiêu hiện tại của robot. 3

Công ty gắn cách tiếp cận này với các nguyên tắc của bản đồ nhận thức: cập nhật bộ nhớ có chọn lọc, tách kiến thức không gian có thể tái sử dụng khỏi trải nghiệm theo từng tình huống, và dự báo ở nhiều khung thời gian. Đây là các cảm hứng tính toán từ khoa học thần kinh, không phải tuyên bố rằng hệ thống tái tạo một bộ não sinh học.

Với bài toán điều hướng, lời hứa trọng tâm là một bộ nhớ không gian tường minh, giúp robot chọn điểm khám phá tiếp theo và lập đường đi dựa trên đích cuối. Hướng đi này gần với BSC-Nav, một khung nghiên cứu xây dựng bản đồ nhận thức theo hệ quy chiếu môi trường (allocentric) từ quỹ đạo lấy robot làm trung tâm và các tín hiệu ngữ cảnh, nhằm hỗ trợ điều hướng không gian.

Kết quả điều hướng mà công ty công bố

So sánh cụ thể nhất được đưa ra trên một tập con của HM3D-ObjectNav, bài đánh giá yêu cầu robot tìm một đối tượng mục tiêu trong môi trường 3D. Theo báo cáo do phía công ty công bố, Cog-WM 1.0 đạt:

• Tỷ lệ thành công (SR) 86,89%, so với 78,50% của BSC-Nav — tăng 8,39 điểm phần trăm, tương đương mức tăng tương đối 10,69%.
• SPL 48,35, so với 47,70 của BSC-Nav.

SPL là chỉ số kết hợp giữa khả năng hoàn thành nhiệm vụ và hiệu quả độ dài đường đi. Vì vậy, chênh lệch trong số liệu hiện có lớn hơn rõ rệt ở tỷ lệ thành công so với hiệu quả quãng đường. Nói cách khác, kết quả cho thấy hệ thống có thể đến đích thường xuyên hơn trong thử nghiệm này, nhưng chưa cho thấy một cải thiện tương ứng về độ ngắn của các lộ trình thành công.

Còn thao tác với đồ vật thì sao?

EBKernel cho biết nhánh thao tác của Cog-WM vượt một baseline kiểu π0.5, vốn được tiền huấn luyện mạnh, tới khoảng 16% trên ba bộ đánh giá, trong đó có RoboTwin 2.0. 3

Theo mô tả của công ty, phương pháp này học hệ quả của hành động ở cả khung thời gian ngắn lẫn dài, đồng thời đặt trọng số cao hơn cho những trải nghiệm giúp tiến gần mục tiêu. Tuy nhiên, các nguồn hiện có không cung cấp bảng số liệu đầy đủ theo từng benchmark, cấu hình cảm biến, dữ liệu huấn luyện hay giao thức đánh giá. Do đó, chưa thể kiểm tra độc lập liệu phép so sánh với baseline kiểu π0.5 có tương đương hay không.

Điều tương tự cũng áp dụng cho các số liệu ablation được nêu cho LIBERO-Plus: từ khoảng 80% với chỉ chính sách điều khiển, lên 84,6% với hệ thống đầy đủ. Khi chưa có báo cáo kỹ thuật hoàn chỉnh hoặc bảng kết quả chi tiết trong tài liệu sẵn có, các con số này nên được xem là đánh giá nội bộ chưa được xác minh độc lập, không phải bảng xếp hạng kết luận cho công nghệ.

Từ benchmark đến robot thực tế

EBKernel cho biết họ đã trình diễn các khả năng như điều hướng không cần bản đồ dựng sẵn, lập kế hoạch đường đi, truy xuất bộ nhớ không-thời gian, hỏi đáp về quan hệ không gian và tìm đồ vật trên robot hình người có bánh xe lẫn robot bốn chân. Công ty cũng nói đã xác thực khả năng thao tác trên robot hình người có bánh xe. 3

EBKernel đặt trụ sở tại Thượng Hải và được thành lập năm 2025. Đặt cược lớn hơn của công ty là các kiến trúc lấy cảm hứng từ nhận thức và trí nhớ có thể làm giảm mức phụ thuộc của AI hiện thân (embodied AI) vào khối lượng dữ liệu và năng lực tính toán cực lớn. 11

Nên đọc các tuyên bố này như thế nào?

Cog-WM 1.0 đưa ra một hướng nghiên cứu khá nhất quán: bộ nhớ không gian, dự đoán trạng thái trừu tượng và lập kế hoạch hướng mục tiêu. So sánh với BSC-Nav đáng chú ý bởi BSC-Nav cũng coi điều hướng là bài toán tri thức không gian có cấu trúc, thay vì chỉ phản ứng trực tiếp với dữ liệu cảm nhận.

Tuy vậy, các kết quả ấn tượng nhất hiện phần lớn xuất phát từ công bố của doanh nghiệp. Để đi đến kết luận chắc chắn hơn, cần có mã nguồn công khai hoặc báo cáo kỹ thuật chi tiết, dữ liệu huấn luyện và cảm biến được đối chiếu tương đương, ngân sách tính toán rõ ràng, cùng các đánh giá độc lập trong nhiều môi trường khác nhau.

Kết luận: Cog-WM 1.0 là một đề xuất giai đoạn đầu đáng chú ý cho AI hiện thân, kết hợp dự đoán trong không gian tiềm ẩn với bộ nhớ không gian nhận thức. Các mức cải thiện benchmark được báo cáo đáng để theo dõi, nhưng chưa đủ để chứng minh robot có thể đạt năng lực tự chủ đa dụng, đáng tin cậy trong môi trường mở.