Delta Intelligence apresenta o modelo Delta-0 — um modelo humanoide fundamental nativo para manipulação corporal total
Leia mais
Pandaily
pandaily.com

Delta Intelligence apresenta o modelo Delta-0 — um modelo humanoide fundamental nativo para manipulação corporal total

A Delta Intelligence lançou o modelo Delta-0, que é um modelo fundamental humanoide nativo projetado para manipulação corporal total. Este lançamento ocorreu em 28 de setembro de 2026. Oficialmente, o modelo é posicionado como um cérebro-cerebelo-conjunto de força/postura que unifica visão, linguagem e propriocepção em comandos de destino únicos para ações corporais completas. Isso permite que seres bípedes se movam, mantenham o equilíbrio e realizem manipulações dentro de um único ciclo contínuo, em vez de usar módulos separados para locomoção e manipulação.

Durante uma demonstração, coberta pela LeiPhone, o humanoide baseado no Delta-0 conseguiu dar trinta e dois passos e completar nove tarefas domésticas em aproximadamente 210 segundos. Essas tarefas foram realizadas em cenários de quarto, sala de estar e cozinha, incluindo arrumar a cama e o console de jogos, pegar um brinquedo de pelúcia do chão, carregar roupa, colocar uma xícara na máquina de lavar louça, procurar uma fruta estragada na geladeira, jogá-la na lixeira com pedal e sentar-se no sofá.

Além disso, o segundo braço com alto grau de liberdade tocou um disco de vinil e dançou ao som da música, o que serviu como teste de locomoção-manipulação de precisão, ligando a captura, a postura e o movimento rítmico de todo o corpo.

Características Arquitetônicas e Treinamento

A arquitetura do modelo divide claramente as funções: o 'cérebro' traduz dados sensoriais multimodais em comandos de movimento dos membros; o 'cerebelo' é responsável por instintos e equilíbrio de alta frequência; e o controle híbrido de força/postura regula o contato, mantendo a estabilidade da postura. O processo de treinamento utiliza dados de membros superiores e dados cross-embodiment, bem como captura de movimentos corporais humanos, complementado por feedback de interação real, ajustes humanos e aprendizado por reforço para recuperação de falhas.

A Delta Intelligence também descreve um ciclo de avaliação 'real-simulação-real', que permite recriar cenas em simulação para realizar testes de estresse de navegação e tentativas repetidas antes de retornar ao hardware para verificar a transferência de habilidades.

Objetivos dos Desenvolvedores

O fundador e CEO, Dr. Ma Xiaojiang, definiu o objetivo do desenvolvimento de robôs capazes de operar em espaços de escala humana e resolver tarefas de longo prazo, em vez de apenas imitar silhuetas humanas. O cofundador e cientista-chefe, Huang Xiuyuan, observou que os modelos de linguagem geral ajudam no planejamento de etapas, mas eles próprios não garantem a estabilização do contato, o equilíbrio e a força contínua. O modelo Delta-0 é posicionado como transferível para plataformas como Unitree e AgiBot, pois os parceiros continuam trabalhando na adaptação e verificação das cenas.

Histórias semelhantes

Li Auto apresenta trilogia de IA incorporada: ME-Brain-1.0, ME-U0 e Edge ME-VLM
Leia mais
pandaily.com

Li Auto apresenta trilogia de IA incorporada: ME-Brain-1.0, ME-U0 e Edge ME-VLM

A equipe de modelos fundamentais da Li Auto divulgou em 22 de setembro uma trilogia de inteligência artificial incorporada, composta pelo sistema ME-Brain-1.0, um modelo unificado de compreensão e geração de ações no mundo MachEmbodied-U0 (ME-U0) e modelos cognitivos MachEmbodied-VLM (ME-VLM). O nome oficial em inglês desses desenvolvimentos é Li Auto / MachEmbodied. O foco principal desta análise está na arquitetura do sistema e dos modelos — memória, cognição e ação — e não no marketing de veículos elétricos.

De acordo com o blog técnico do ME-Brain-1.0, este sistema combina Memória Evolutiva (Evolvable Memory), Núcleo Cognitivo (Cognitive Core) e um Modelo de Ação orientado por eventos em um ciclo que inclui execução, registro de experiência e atualização de habilidades. O Núcleo Cognitivo está disponível na variante MoE com 35B-A3B parâmetros e em uma versão compacta para dispositivos de borda (edge) com 4B parâmetros. Em testes laboratoriais, o núcleo grande obteve uma pontuação média de cerca de 70.9 nos conjuntos de dados relacionados a sistemas incorporados e 72.5 nos conjuntos de dados de agentes, enquanto a versão de 4B parâmetros ficou em segundo lugar em comparação com outras empresas.

A Memória Evolutiva e seus módulos associados funcionam no SoC de borda M100 da Li Auto para gerar e recuperar memória diretamente no dispositivo. O ME-VLM representa um caminho do Núcleo Cognitivo, onde, graças à quantização W4A8 e compressão de tokens, o tempo de pré-carregamento (Prefill latency) no M100 foi reduzido de aproximadamente 400 ms para 188 ms.

O modelo ME-U0 foi pré-treinado em aproximadamente 4200 horas de dados selecionados de grandes conjuntos de dados de robótica e dados em primeira pessoa. De acordo com as métricas da empresa, o modelo atinge um sucesso médio de 99.1% no padrão LIBERO, 81.8% no LIBERO-Plus sem adaptação especial e uma pontuação de processo de 17.66 no RoboDojo-Sim entre os modelos de ação no mundo participantes. A arquitetura utiliza módulos de dois especialistas para compreensão e geração com codificação rotacional de alta velocidade da posição, garantindo o alinhamento temporal das representações visuais latentes e dos tokens de ação.

Publicações externas, incluindo cobertura da Robot Forward republicada pela Phoenix Tech, notam pausas visíveis de captura, erros periódicos de captura e tarefas incompletas em cenários abertos, mesmo onde cenas roteirizadas são bem-sucedidas. Esses comentários são adições úteis às tabelas de classificação laboratoriais. Por enquanto, os benchmarks permanecem como dados fornecidos pela Li Auto, até que laboratórios externos reproduzam seus resultados. O sinal de curto prazo é a existência de um stack empacotado de memória-cognição-ação com um caminho documentado no SoC de borda, e não a apresentação de um chassi único.

Popular