XR-1 (X Robotic Model 1)

XR-1 to model sterowania manipulacją z Pekińskiego Centrum Innowacji Robotyki Humanoidalnej — państwowej jednostki, która buduje humanoidy Tiangong. Wagi udostępniono w grudniu 2025 na licencji MIT. Pomysł polega na obejściu. Większość modeli działania przekłada obraz z kamer i polecenie wprost na komendy dla przegubów. XR-1 wstawia między nie wspólny słownik: Unified Vision-Motion Codes, książkę kodową o 256 pozycjach, której uczy się dwugałęziowy VQ-VAE — koduje jednocześnie to, co zmienia się w obrazie, i to, co robi ramię. Ponieważ słownik zapisany jest w kategoriach dynamiki, a nie konkretnej maszyny, autorzy mogą wlać do jednego treningu nagrania ludzi i nagrania niepodobnych do siebie robotów tak, żeby się wzmacniały, a nie przeszkadzały. Model składa się z dwóch części i katalog odnotowuje obie: XR-1-Stage1-UVMC, czyli tokenizator o 1,18 mld parametrów, który wytwarza kody, oraz XR-1-Stage2, czyli polityka o 4,11 mld parametrów, która z nich korzysta. Druga część czyta do sześciu widoków z kamer w rozdzielczości 224 x 224, 32-wymiarowy stan robota i krótkie polecenie o długości najwyżej 48 tokenów, a odpowiada paczką 50 przyszłych ruchów wyliczoną w dziesięciu krokach odszumiania. Do wstępnego treningu posłużył własny zbiór centrum XR-D: 158 tysięcy trajektorii i 69,1 mln klatek. Skala testów jest jak na tę dziedzinę nietypowo duża: ponad 14 tysięcy przebiegów na żywych maszynach, ponad 120 zadań i sześć różnych konstrukcji — własne Tiangong 1.0 i 2.0, jedno- i dwuramienny UR-5e, dwuramienny Franka oraz AgileX Cobot Magic 2.0. Autorzy raportują przewagę nad pi-0.5, pi-0, RDT, UniVLA i GR00T-N1.5, a praca została przyjęta na ICML 2026 jako wystąpienie ustne. Jedna uwaga redakcyjna — nie do modelu, tylko do dokumentacji. Oba repozytoria odsyłają czytelnika do pracy arXiv 2411.02776, a ten numer należy do zupełnie innego artykułu, o modelach z inżynierii konstrukcji. Publikacja XR-1 ma numer arXiv 2511.02776. Pomyłka o jedną cyfrę roku powtarza się w karcie modelu, w metadanych i w gotowym cytowaniu, i do dziś nie została poprawiona.

▸Wideo

Brak materiałów wideo.

▸Recenzje