O modelo AgiBot WITA-Omni Full-Modal obteve uma alta pontuação de 85,21 no benchmark DailyOmni. Além disso, o modelo demonstrou liderança em seis dos oito indicadores, superando sistemas como Alibaba Qwen, Google Gemini, ByteDance Doubao e NVIDIA.
O modelo AgiBot WITA-Omni Full-Modal obteve uma alta pontuação de 85,21 no benchmark DailyOmni. Além disso, o modelo demonstrou liderança em seis dos oito indicadores, superando sistemas como Alibaba Qwen, Google Gemini, ByteDance Doubao e NVIDIA.
O benchmark avalia a capacidade do modelo de processar simultaneamente sinais de áudio e visuais em condições do mundo real. Entre os parâmetros testados estavam a coerência dos dados audiovisuais (86,13), o raciocínio temporal sobre eventos (84,64), o raciocínio multimodal complexo (85,06), bem como resultados elevados em tarefas de compreensão de vídeos de 30 e 60 segundos.
Ao contrário dos modelos multimodais universais otimizados para interação com conteúdo digital, o WITA-Omni foi desenvolvido originalmente para interação encarnada. Isso significa que os robôs que utilizam este modelo devem entender, reagir e agir em um ambiente físico em tempo real.
A inovação reside na paradigma Thinker-Talker-Actor, que substitui o pipeline sequencial tradicional. Os processos padrão de interação de robôs realizam o reconhecimento de fala, compreensão semântica, geração de resposta, síntese de fala e saída de ação como etapas separadas e sequenciais, o que leva ao acúmulo de latências. O WITA-Omni, por outro lado, inicia o núcleo de raciocínio multimodal Thinker, a geração de fala em fluxo Talker e os módulos de ação e expressão Actor paralelamente em uma única linha do tempo.
O módulo Actor recebe como entrada não apenas o estado semântico do Thinker, mas também as variáveis latentes de áudio do Talker. Isso permite que gestos e expressões faciais se sincronizem com o ritmo da fala, pausas, acentos e tom emocional, eliminando a inconsistência entre o que o robô diz e como ele se move. A arquitetura expande a paradigma Thinker-Talker, anteriormente criada para IA conversacional, adicionando o módulo Actor como um canal de saída completo juntamente com a fala.
O Thinker unifica entradas textuais, visuais, de áudio e vídeo através de codificadores especializados e camadas de projeção leves em um único espaço de representação para tomar decisões de interação e raciocínio multimodal. O Talker gera fala natural condicionada aos estados ocultos do Thinker. O Actor controla a cabeça de ação e a cabeça de expressão, usando tanto o estado semântico do Thinker quanto os atributos de áudio do Talker. O mecanismo de sincronização entre os fluxos garante que os movimentos do robô reajam às mudanças na velocidade da fala, aos desvios na expressão, e que as ações físicas mantenham a consistência temporal com a comunicação verbal.
Este resultado segue o feito do modelo de mundo AgiBot Genie Envisioner-Sim 2.0, que anteriormente ocupou o primeiro lugar na WorldArena. Essas duas conquistas formam uma estrutura de três pilares de capacidades de IA: WITA-Omni para interação, modelo de mundo para compreensão do mundo físico e hardware do robô para ações nele. A vitória no ranking confirma que empresas focadas em IA encarnada podem alcançar capacidades gerais superiores, otimizando-se para as limitações do mundo real, em vez de adaptar modelos universais.
À medida que os robôs passam de ambientes fabris controlados para espaços sociais não estruturados, a capacidade de processar simultaneamente múltiplos fluxos sensoriais e reagir com ações verbais e físicas coordenadas torna-se um diferencial chave. A AgiBot define a interação multimodal síncrona como uma nova dimensão competitiva na indústria de IA encarnada, distinta da competição puramente baseada na qualidade dos modelos dominante na área de IA geral.
A inteligência artificial tornou-se um dos novos setores de exportação da China, e o país lidera essa corrida graças ao desenvolvimento de modelos mais eficientes, baratos e de código aberto.
Observa-se uma tendência em que empresas americanas começam a migrar para soluções chinesas na área de IA. Além disso, o resto do mundo está seguindo na mesma direção.
A empresa chinesa BrainCo apresentou sua mão humana biónica, operando com inteligência artificial, que atraiu a atenção dos visitantes na Conferência Mundial de Inteligência Artificial em Xangai.
Esta mão é equipada com sensores que permitem registrar os sinais cerebrais do usuário. Esses sinais são então usados para controlar o movimento dos dedos da mão biónica.
Este desenvolvimento inovador tem a capacidade de funcionar autonomamente e pode potencialmente ser usado até mesmo para massagem nos ombros.
A fase regional do concurso de inovação de estudantes do China International College 2026 em Marrocos foi concluída na cidade de Casablanca.
O evento ocorreu nos dias 27 e 28 de julho no Faculdade de Ciências Ben M'Sik. Os organizadores foram o Ministério da Educação da China, o Instituto Tecnológico de Pequim, a Universidade Hassan II em Casablanca (Marrocos) e a Associação de Inovações Educacionais Sino-Norte-Africanas.
O concurso atraiu mais de 2000 jovens participantes de dez países. Entre os países participantes estavam Marrocos, França, Alemanha e Romênia. Um total de 744 projetos nas áreas de inovação e empreendedorismo foi apresentado.
