जून 2026 अभूतपूर्व मूर्त कृत्रिम बुद्धिमत्ता मॉडल के रिलीज की बाढ़ का गवाह बना: एक महीने में 13 नए मौलिक और विश्व मॉडल घोषित किए गए, जो लगभग हर 48 घंटे में एक मॉडल के बराबर है।
जून 2026 अभूतपूर्व मूर्त कृत्रिम बुद्धिमत्ता मॉडल के रिलीज की बाढ़ का गवाह बना: एक महीने में 13 नए मौलिक और विश्व मॉडल घोषित किए गए, जो लगभग हर 48 घंटे में एक मॉडल के बराबर है।
यह प्रवाह मूर्त एआई उद्योग में एक मौलिक परिवर्तन को इंगित करता है: ध्यान हार्डवेयर क्षमताओं की प्रतिस्पर्धा से हटकर सॉफ्टवेयर इंटेलिजेंस की प्रतिस्पर्धा पर स्थानांतरित हो रहा है। कंपनियां अब केवल उपकरणों में क्रमिक सुधारों के बजाय अद्वितीय तकनीकी समाधानों पर अधिक ध्यान केंद्रित कर रही हैं।
2026 में ज़ीयुआन सम्मेलन में, BAAI ने दो विश्व मॉडल सुधार प्रस्तुत किए। Wujie Physis-v0.1 वीडियो, RGB-D डेटा, त्रि-आयामी पॉइंट क्लाउड और स्पर्श प्रतिक्रिया को एक एकीकृत लेटेंट स्पेस में संपीड़ित करके अगले भौतिक स्थिति की भविष्यवाणी करने में विशेषज्ञता रखता है। जबकि Wujie RoboBrain Orca एक रोबोट मस्तिष्क के रूप में कार्य करता है, जिसमें एकीकृत प्रतिनिधित्व, कारण तर्क और मल्टीमॉडल डिकोडिंग होती है, जो लेटेंट स्पेस में भाषाई और दृश्य प्रतिनिधित्वों के संलयन का उपयोग करता है।
अलीबाबा ने 16 जून को Qwen-Robot जारी किया, जो कई प्रतिस्पर्धियों द्वारा पसंद किए जाने वाले कच्चे स्केलिंग दृष्टिकोण से मौलिक रूप से अलग है। अलीबाबा का तर्क है कि भौतिक दुनिया की विषमता को केवल पैमाने बढ़ाने से हल नहीं किया जा सकता है, बल्कि इसके लिए मॉडल के स्तर पर समन्वय रणनीतियों की आवश्यकता होती है। Qwen-RobotNav मोबाइल नियंत्रण के लिए दृश्य ध्यान वितरण को अनुकूलित करता है, Qwen-RobotManip मैनिपुलेशन के लिए स्टेट-एक्शन स्पेस को मानकीकृत करता है, और Qwen-RobotWorld दुनिया की गतिशीलता की भविष्यवाणी करने के लिए प्राकृतिक भाषा क्रिया इंटरफेस का उपयोग करता है।
CasiaHand ने Brain-Si 0.5 प्रस्तुत किया, जो तीन-स्तरीय वास्तुकला के साथ मानव-सदृश फुर्तीली हेरफेर का दुनिया का पहला मॉडल है। इस संरचना में विश्व मॉडल VLA की योजना के लिए ऊपरी मस्तिष्क स्तर, छह मुख्य हेरफेर क्षमताओं (जिसमें प्री-ग्रैस्पिंग, सामान्य ग्रिपिंग, कार्यात्मक ऑपरेशन, प्रतिक्रियाशील हस्तांतरण, द्विपक्षीय इंटरैक्शन और मानव-रोबोट संलयन शामिल है) के लिए मध्यवर्ती आधार मॉडल स्तर, और भौतिक रूप से व्याख्या योग्य मॉडल के लिए निचला स्तर शामिल है।
GalaxyBot ने AstraBrain-WBC 0.5 जारी किया - वास्तविक समय में मानवोइड शरीर को नियंत्रित करने के लिए एक मूलभूत सेरिबैलर मॉडल। यह GPT शैली के कारण ट्रांसफॉर्मर आर्किटेक्चर पर बनाया गया था और लगभग 2 बिलियन मानव क्रिया डेटा फ्रेम पर प्रशिक्षित किया गया था, जिससे 80 मिलियन पैरामीटर प्राप्त हुए। RoboScience ने अपने Visics आर्किटेक्चर को VLOA फ्रेमवर्क के साथ प्रकट किया, जो ऑब्जेक्ट ट्रैजेक्टरी प्रतिनिधित्व के माध्यम से वर्ल्ड मॉडल और ऑपरेशनल मॉडल को अलग करता है। करंट रोबोटिक्स प्रकाशन ने संयुक्त शिक्षण कार्य के रूप में पूरे शरीर की फुर्तीली हेरफेर के लिए Curl-0 प्रकाशित किया। BoundlessPower ने द्विदिशात्मक भौतिक कारणता की लंबी अनुक्रमों के लिए विश्व मॉडल MWA प्रस्तुत किया।
इन सभी दृष्टिकोणों में सामान्य बात यह है कि जोर रोबोट क्या कर सकते हैं, इसे प्रदर्शित करने से हटकर इस बात की व्याख्या करने पर है कि वे अभी भी कुछ कार्यों में क्यों विफल होते हैं। प्रत्येक टीम विभिन्न बाधाओं की पहचान करती है - चाहे वह स्पर्श प्रतिक्रिया हो, पूरे शरीर का समन्वय हो, सिमुलेशन से वास्तविकता में स्थानांतरण हो या दीर्घकालिक योजना हो - और इन समस्याओं को दूर करने के लिए विशिष्ट आर्किटेक्चर विकसित करती है।