Muka Robotics, एक स्टार्टअप जिसे केवल चार महीने हुए हैं, ने अपने LJM लेटेंट जॉइंट-कंडीशनल मॉडल के कारण विश्व रैंकिंग वर्ल्डअरेना में दूसरा स्थान प्राप्त किया। इस मॉडल ने केवल 32 Zhenwu 810E ग्राफिक्स प्रोसेसिंग यूनिट्स का उपयोग करते हुए 89.17 के स्तर पर गति की गुणवत्ता दिखाई।
LJM ने LIBERO बेंचमार्क पर विभिन्न मेट्रिक्स पर उच्च अंक प्राप्त किए, जिसमें 3D सटीकता में 92.60 और नियंत्रणीयता में 85.93 अंक शामिल हैं। इन परिणामों ने इसे उन प्रतिस्पर्धियों से आगे निकलने में मदद की जो 10-100 गुना अधिक कम्प्यूटेशनल शक्ति का उपयोग कर रहे थे। मॉडल को SisyphusWorld नाम से गुमनाम रूप से प्रस्तुत किया गया था।
LJM एक मौलिक समस्या का समाधान करता है, जो यह है कि पिक्सेल स्तर पर अनुकूलन भौतिकी की समझ को नकारात्मक रूप से प्रभावित करता है। मानक डिफ्यूजन मॉडल पिक्सेल बनावट (99%) को प्राथमिकता देने की प्रवृत्ति रखते हैं, जिससे कैप्चर और वस्तु के बीच महत्वपूर्ण संपर्क क्षण (1%) अनदेखा हो जाता है। LJM दो विशेषज्ञों वाली वास्तुकला पेश करता है जो तर्क प्रक्रिया और रेंडरिंग प्रक्रिया को अलग करती है।
Qwen3-VL-2B पर आधारित तर्क विशेषज्ञ एक निरंतर लेटेंट स्पेस में कार्य करता है। यह भाषाई निर्देशों, दृश्य इतिहास और नियोजित क्रिया अनुक्रमों के आधार पर इंटरैक्शन का अनुकरण करता है। समानांतर में, Wan2.2-TI2V-5B का उपयोग करने वाला दुनिया मॉडलिंग विशेषज्ञ इस सार्थक इंटरैक्शन को यथार्थवादी वीडियो फ्रेम में परिवर्तित करता है। मुख्य अंतर यह है कि तर्क विशेषज्ञ को पहले यह समझना चाहिए कि कैप्चर बंद होने और वस्तु हिलने पर क्या होगा, और फिर रेंडरिंग विशेषज्ञ इस समझी गई इंटरैक्शन को विज़ुअलाइज़ करता है, इस प्रकार 'पहले जनरेशन, फिर समझ' के मानक दृष्टिकोण को खारिज करता है।
LJM आर्किटेक्चर प्रत्येक लेटेंट टोकन पर तीन भौतिक बाधाएं लगाता है। तर्क टोकन को एक साथ तीन भविष्य के मापदंडों की भविष्यवाणी करनी होती है: त्रि-आयामी स्थान में एंड-इफेक्टर की स्थिति (रोबोट की स्थिति), दृश्य दृश्यों की वस्तुओं की दृश्य स्थिति में परिवर्तन (दृश्य गतिशीलता), और पिक्सेल स्तर पर गति की दिशा (पूर्व-गणना किया गया ऑप्टिकल फ्लो)। ये बाधाएं सीधे वास्तविक प्रशिक्षण डेटा से निकाली जाती हैं और मॉडलों द्वारा भौतिक रूप से असंभव परिणाम बनाने से रोकती हैं, जबकि उच्च दृश्य गुणवत्ता बनाए रखती हैं।
दोनों विशेषज्ञ मिक्सचर-ऑफ-ट्रांसफॉर्मर्स पर आधारित ध्यान तंत्र के माध्यम से जानकारी का आदान-प्रदान करते हैं, जहां तर्क और वीडियो टोकन ट्रांसफार्मर की प्रत्येक परत पर इंटरैक्ट करते हैं। यह पूरी पीढ़ी प्रक्रिया के दौरान सूचना का द्विदिश प्रवाह सुनिश्चित करता है, जो एक अनुक्रमिक पाइपलाइन को बदल देता है जहां तर्क एक परिणाम देता है जिसे रेंडरिंग को केवल एक बार भेजा जाता है। इस प्रकार, दृश्य पीढ़ी लगातार भौतिक तर्क द्वारा सीमित होती है।
LJM प्रदर्शित करता है कि दुनिया के मॉडलिंग की क्षमता विशाल कम्प्यूटेशनल शक्ति पर नहीं, बल्कि सही आर्किटेक्चर पर निर्भर करती है। आर्किटेक्चर में नवाचार चीनी कम्प्यूटेशनल संसाधनों की सीमाओं की भरपाई करते हैं। पिछले तरीकों ने वीडियो मॉडल को भौतिकी सिखाने की कोशिश की, जो संरचनात्मक रूप से असंभव था। भौतिकी को स्पष्ट लक्ष्यों वाले अपने स्वयं के विशेषज्ञ प्रदान करके, LJM बिना किसी समझौते के उच्च भौतिक सटीकता और दृश्य गुणवत्ता प्राप्त करता है।
Honor ने ARRI के साथ साझेदारी में रोबोट फोन के लिए अपनी AiMAGE विज़ुअलाइज़ेशन प्रणाली प्रस्तुत की है। इस प्रणाली को उपभोक्ता स्मार्टफोन पर पेशेवर फिल्म कलर ग्रेडिंग मानकों के पूर्ण हस्तांतरण के पहले मामले के रूप में स्थापित किया गया है।
AiMAGE आर्किटेक्चर चिप-एज-क्लाउड के पूर्ण कार्यात्मक स्टैक पर बनाया गया है। चिप स्तर पर, Yuguang H1 नामक एक विशेष इमेज प्रोसेसर का उपयोग किया जाता है, जो प्रति वाट 18.8 TOPS की दक्षता प्रदान करता है। यह RAW डोमेन में वास्तविक समय में प्रसंस्करण करता है, सिग्नल-टू-नॉइज़ अनुपात में 8 dB तक सुधार करता है और 14 स्टॉप की सिनेमाई शूटिंग डायनेमिक रेंज प्रदान करता है।
सेंसर में रंग विभाजन के लिए पेटेंटेड डाइक्रोइक संरचना है, जो भौतिक स्तर पर फोटॉन संग्रह और रंग पृथक्करण को पुनर्गठित करती है। क्लाउड स्तर RAW डोमेन में विशेष पुनर्निर्माण मॉडल का उपयोग करता है ताकि पूरी श्रृंखला के माध्यम से छवि गुणवत्ता के पुनर्निर्माण द्वारा सेंसर के पूर्ण प्रदर्शन को बहाल किया जा सके।
इस प्रणाली में 2.6 ग्राम के टाइटेनियम मोटर वाला एक थ्री-एक्सिस गिम्बल शामिल है, जो 65% छोटा और 30% अधिक टॉर्क वाला है, साथ ही आठ-एक्सिस CPA भी है। मुख्य मॉड्यूल में 200 एमपी रिज़ॉल्यूशन, 1/1.28 इंच सेंसर आकार और f/1.6 अपर्चर है, जो स्टेपलेस ज़ूम के साथ-साथ 200 एमपी पेरिस्कोपिक टेलीफोटो लेंस का समर्थन करता है। मैनुअल से लेकर सिनेमैटिक तक छह स्थिरीकरण मोड उपलब्ध हैं।
AI एजेंट सुविधाओं में प्री-शूटिंग सुझाव, वास्तविक समय रचना और कैप्चर के बाद NLP का उपयोग करके संपादन शामिल है। स्थिरीकरण और कम रोशनी में काम करने के लिए इवेंट विजन सेंसर का उपयोग किया जाता है, और इंजन के पांच कम्प्यूटेशनल बूस्ट पाइपलाइन अतिरिक्त क्षमताएं प्रदान करते हैं। रचनात्मक वीडियो जनरेशन क्लाउड AI का उपयोग करके किया जाता है। मास्टर-फ्रेम जनरेशन सुविधा हिचकॉक ज़ूम और 'बुलेट टाइम' प्रभाव जैसी क्लासिक सिनेमाई तकनीकों का उपयोग करके नियंत्रित कैमरा पथ वाला वीडियो प्राप्त करने की अनुमति देती है। एक फ्रेम में इमर्सिव टूर की सुविधा विकसित की जा रही है, जो लोड की गई सामग्री से विस्तारित चिकनी फ्रेम बनाने के लिए वर्ल्ड मॉडल और 3डी पुनर्निर्माण का उपयोग करती है। स्थानिक 3डी तस्वीरें भी लागू की गई हैं, जो 3डी पुनर्निर्माण, रेंडरिंग और V2V तकनीक को जोड़ती हैं।
Honor ने घोषणा की है कि 2026 वीडियो क्षेत्र में पूर्ण विभेदीकरण का वर्ष होगा, और 2027 पुनर्विकसित सेंसर और समर्पित हार्डवेयर-सॉफ्टवेयर इमेज प्रोसेसिंग एल्गोरिदम के कारण पीढ़ीगत छलांग पर केंद्रित होगा। ARRI के साथ सहयोग Honor रोबोट फोन को एक मोबाइल विज़ुअलाइज़ेशन प्लेटफॉर्म के रूप में स्थापित करता है, जो उपभोक्ता फोटोग्राफी को पेशेवर फिल्म निर्माण वर्कफ़्लो से जोड़ता है।
Tencent Robotics ने WAIC 2026 कार्यक्रम के हिस्से के रूप में तीन मूर्त मौलिक मॉडल प्रस्तुत किए। इन मॉडलों में दृश्य समझ के लिए VLM, दृश्य स्थितियों को ध्यान में रखते हुए योजना बनाने के लिए संज्ञानात्मक मॉडल RxBrain और 500-1000 हर्ट्ज की दर से निरंतर क्रियाओं के लिए VLA शामिल हैं।
मुख्य वैज्ञानिक अधिकारी डॉ. झांग झेनयौ ने इस वास्तुकला को एक मौलिक समस्या के समाधान के रूप में प्रस्तुत किया जिसे वर्तमान VLA दृष्टिकोण पर्याप्त रूप से संबोधित नहीं करते हैं। उन्होंने उल्लेख किया कि विभिन्न प्रकार की रोबोटिक बुद्धिमत्ता को विभिन्न आवृत्तियों पर कार्य करना चाहिए, क्योंकि भौतिक दुनिया स्वयं कई समय पैमानों पर काम करती है।
इस समस्या की समझ ओपनक्लॉ में रोबोट की क्षमताओं को स्थानांतरित करने के एक असफल प्रयोग के बाद आई, जिससे दर्जनों सेकंड की देरी हुई, जो भौतिक रोबोटों के लिए अस्वीकार्य है, जहां 2-3 सेकंड की संज्ञानात्मक देरी भी एक समस्या है।
तीन-स्तरीय वास्तुकला आवृत्ति विभाजन के माध्यम से इस समस्या का समाधान करती है। Hy-Embodied-VLM कम आवृत्ति पर स्थानिक समझ के लिए जिम्मेदार है, जो दृश्य दृश्यों और वस्तुओं के संबंधों की व्याख्या करता है। Hy-Embodied-RxBrain संज्ञानात्मक वास्तुकला में एक महत्वपूर्ण नवीनता है: यह न केवल भाषा में कार्य चरणों को उत्पन्न करता है, बल्कि यह भी विज़ुअलाइज़ करता है कि प्रत्येक उप-कार्य पूरा होने के बाद भौतिक दुनिया कैसी दिखनी चाहिए, पाठ विवरणों के बजाय दृश्य स्थिति प्रस्तुतियों का उपयोग करके।
यह केवल भाषा पर आधारित योजना प्रणालियों की मुख्य सीमा को दूर करता है, क्योंकि पाठ विवरण स्थानिक संबंधों और भौतिक बाधाओं को प्रभावी ढंग से प्रसारित नहीं कर सकते हैं जिन्हें दृष्टि के माध्यम से तुरंत संप्रेषित किया जा सकता है। Hy-Embodied-VLA उच्चतम आवृत्ति पर काम करता है, उच्च-स्तरीय लक्ष्यों को निरंतर निम्न-स्तरीय क्रिया कमांड में परिवर्तित करता है जिसकी गति वास्तविक समय में भौतिक दुनिया के साथ इंटरैक्ट करने के लिए पर्याप्त है।
Tencent ने बताया कि Hy-Embodied-VLA का रासायनिक संयंत्र में उत्पादन परीक्षण किया गया था। यह मॉडल अत्यधिक मिश्रित, कम बैच, SKU-गहन असेंबली लाइनों को संभालता है, प्रति भाग चक्र समय 6 सेकंड से कम सुनिश्चित करता है। इसके अलावा, मॉडल केवल 8 घंटे के डेटा संग्रह और फाइन-ट्यूनिंग के साथ नए SKU के अनुकूल हो सकता है।
परीक्षण की स्थितियाँ प्रयोगशाला प्रदर्शनों से काफी भिन्न हैं: वस्तुएं यादृच्छिक रूप से रखी जाती हैं, प्रकाश व्यवस्था बदलती रहती है, उत्पादन में रुकावटें आती हैं, और रोबोट को लगभग शून्य विफलता स्तर प्राप्त करना होता है। डॉ. झांग ने जोर देकर कहा कि बिना वास्तविक कार्यान्वयन के 80-90 अंक प्राप्त करने वाला प्रदर्शन वास्तव में महत्वहीन है, और कारखाना परीक्षण मापनीय औद्योगिक प्रदर्शन के प्रति प्रतिबद्धता को दर्शाता है, न कि बेंचमार्किंग मेट्रिक्स को।
संज्ञानात्मक मॉडल RxBrain दूसरी जटिल समस्या का समाधान करता है - रोबोटिक तर्क में भाषा की बाधा। पिछले Tairos सिस्टम अंतर-मस्तिष्क संचार के लिए पाठ पर निर्भर थे, हालांकि वस्तुओं के स्थानिक संबंधों का शब्दों में वर्णन अक्सर शब्दजालपूर्ण और अस्पष्ट होता है। नियोजन चक्र में दृश्य स्थिति प्रतिनिधित्व को शामिल करके, RxBrain धारणा और कार्रवाई के बीच सूचना हस्तांतरण की उच्च थ्रूपुट सुनिश्चित करता है।
इस मॉडल को पूर्ण विश्व मॉडल के बजाय एक मूर्त संज्ञानात्मक दुनिया मॉडल के रूप में वर्णित किया गया है, क्योंकि इस क्षेत्र में अभी तक एक सर्वसम्मत एकल विश्व मॉडल वास्तुकला हासिल नहीं की गई है। तीनों मॉडल और Tairos प्लेटफॉर्म मिलकर Tencent के संपूर्ण मूर्त बुद्धिमत्ता स्टैक का निर्माण करते हैं, जो किसी भी डेवलपर या निर्माता के उपयोग के लिए उपलब्ध है। इस प्रकार, रोबोटिक्स समुदाय अब उस आवृत्ति-संवेदनशील वास्तुकला पर निर्माण कर सकता है जिसे Tencent ने वास्तविक विफलताओं और पुनरावृत्तीय सुधार के माध्यम से विकसित किया है।
