A Dexmal, anteriormente conhecida como Yuanli Lingji, apresentou um conjunto abrangente de produtos em inteligência artificial incorporada em sua primeira conferência de desenvolvedores Action. O objetivo desses desenvolvimentos é resolver um problema fundamental da indústria: a escalabilidade de modelos básicos para diversos equipamentos robóticos e em condições do mundo real.
O elemento central da apresentação foi o modelo base incorporado DM0.5. Este modelo dobrou o número de parâmetros para 4 bilhões e foi treinado em um vasto conjunto de dados que inclui 150.000 horas de informação. Deste volume, 50.000 horas são dados obtidos de robôs reais, com anotação de pontos-chave da mão em formato tridimensional com precisão de milímetro, e 100.000 horas de dados coletados sob controle humano em primeira pessoa.
O DM0.5 se destaca por três inovações arquitetônicas. Primeiro, suporte nativo à memória de contexto de até 60 segundos, implementado através de um nível de abstração de pré-treinamento. Segundo, foi introduzido um sistema de raciocínio de duas etapas, que separa o planejamento da tarefa da geração de movimento, utilizando aprendizado contrafactual para garantir uma compreensão verdadeira das instruções. Terceiro, para normalizar trajetórias em diferentes velocidades de execução, utiliza-se o alinhamento de ações por meio de programação dinâmica limitada.
O DexOS é posicionado como um sistema operacional para robótica, semelhante ao Android. Ele resolve o problema de correspondência N x M, onde os modelos e o hardware exigem adaptação individual. Ao fornecer um sistema operacional padronizado com protocolo de interface aberto ECP, o DexOS permite que os desenvolvedores de modelos os integrem uma vez e depois os implantem em múltiplas plataformas robóticas diferentes. O sistema unifica o trabalho com vários sensores, atuadores e configurações de hardware através de uma API única.
A plataforma DexDev combina três funcionalidades: DFOL 2.0, que utiliza aprendizado por reforço baseado em modelo mundial e reduz a necessidade de dados para treinamento de robôs reais em 60%, bem como os custos gerais em 40% através da simulação de resultados no modelo mundial DW0.5; DexOS para implantação multiplataforma; e MaaS (Model as a Service) para inferência de IA incorporada sob o modelo de pagamento por uso. A Dexmal demonstrou que a plataforma atinge uma latência de inferência de 50 milissegundos e é capaz de realizar pós-treinamento em uma única placa de vídeo de consumo RTX 4090.
Além disso, a empresa apresentou duas novas plataformas de hardware para robôs: Apex, destinada a aplicações industriais, e Ferrata, focada em logística, além da plataforma de dois braços Mint já existente. O fundador Tang Wenbin expressou confiança de que o caminho para a maturidade da IA incorporada passa por ecossistemas de desenvolvedores, e não por integração vertical fechada. Ele observou que a verdadeira qualidade de um modelo é verificada pelo fato de seus desenvolvedores o escolherem em vez de alternativas de código aberto, afirmando que o DM0.5 é o primeiro modelo da Dexmal que realmente supera as opções disponíveis de código aberto.
