Nanyang Technological University, Peking University, HKUST (Guangzhou) va Beijing Academy of Artificial Intelligence (BAAI) tadqiqotchilari latent prognozlashga asoslangan dunyo darajasidagi harakat modeli boʻlgan Omega-0 ni eʼlon qilishdi. Ushbu model gumanoid robotlarga bir vaqtning oʻzida harakatlanish, qarash va ishni bajarish imkonini beradi. 11 ta haqiqiy uy vazifasini bajarishda model 81,8 foiz muvaffaqiyat darajasiga erishdi, bu pi-0.5, EgoVLA, GR00T-N1.7 va psi-0 natijalaridan sezilarli darajada ustun.
Modelning asosiy hissasi yakuniy son emas, balki uning arxitekturasidir: Omega-0 kelajakdagi pikselarni bashorat qilish oʻrniga, butun tana harakatlarini yaratish uchun diffuzion transformerni ishlatib, kelajakdagi vizual xususiyatlarni bashorat qiladi.
Omega-0 modeli uch bosqichli oʻquv arxitekturasiga ega. Birinchi bosqich – bu butun tana harakatlari uchun koʻrish va til modelini oldindan oʻqitish. Jamoa uzluksiz, yuqori oʻlchamli butun tana traektoriyalarini diskret harakat tokenlariga aylantirish uchun Whole-Body FAST tokenizatorini oʻrgatdi. Keyin ular uni birinchi va uchinchi shaxs nuqtai nazaridagi oʻrganiladigan nuqta tokenlari bilan maxsus butun tana harakatlari uchun VLM ga aylantirib, Qwen3-VL-2B-Instruct ni qoʻshimcha oʻrgatishdi.
Ikkinchi bosqich – bu inson va robotning latent harakatlarini oldindan oʻqitish. V-JEPA gʻoyasidan foydalanib, jamoa koʻrish, til va robotning propriosepsiyasini birlashtirdi, video soʻrov orqali kelajakdagi vizual xususiyatlarni bashorat qildi, soʻngra atrof-muhitning bashorat qilingan xususiyatlarini harakat taʼrifiga kiritdi. Diffuzion transformerni butun tana harakati uchun latent ifodani hosil qiladi.
Uchinchi bosqich real uy sharoitlarida harakatlarning uzluksizligini taʼminlash uchun real vaqt rejimida chunking strategiyasi yordamida mayda sozlashni oʻz ichiga oladi.
Bu arxitekturani mashq qilish uchun Omega-HOME maʼlumotlar toʻplami yaratildi. U real muhitdan 40,3 soatlik maʼlumotlar, 4827 ta traektoriyalar va 24 ta vazifa turini oʻz ichiga oladi. Har bir traektoriyada sinxronlashtirilgan til koʻrsatmalari, birinchi va uchinchi shaxs videolari, propriosepsiya va butun tana harakati maʼlumotlari mavjud. Bu toʻplam buyum yigʻish, sirtlarni tozalash, maishiy texnikadan foydalanish va tartibga solish kabi sakkizta turdagi uy vazifalarini qamrab oladi. Traektoriyalar teleoperatsion boshqariladi va toʻliq oʻqitish uchun nazorat signallariga aylantiriladi.
Benchmarking metodologiyasi tadqiqotning yanada qatʼiy qismi hisoblanadi. Oldindan oʻqitish maʼlumotlarini ifloslantirishdan saqlanish uchun jamoa Omega-HOME dan 11 ta mayda sozlash vazifalarini chiqarib tashladi va qolganlarini ikkinchi bosqichni oldindan oʻqitish uchun umumiy mavjud inson namuna maʼlumotlari bilan birlashtirdi. Shu tariqa, olingan ortiqcha natija haqiqiy, test toʻplamini sizib chiqish artefakt emasligi tasdiqlanadi. Model nomi minimalistikdir: omega-zero bu, koʻrinishidan, seriyaning birinchisidir.
Kengroq ahamiyati jismoniy AI sohasidagi qoʻllanilishda namoyon boʻladi. Uy gumanoid robotlarni joylashtirish uchun eng murakkab maqsad hisoblanadi, chunki bu doimiy muhitni idrok etish va butun tanani koordinatsiya qilishni talab qiladi. Omega-0 kelajakdagi muhitni bashorat qilishni butun tana harakatlarini yaratish bilan bogʻlaydi, bu esa hozirgi vaqtda ushbu birgalikdagi muammoni bitta model doirasida hal qilish uchun eng asosli yondashuvlardan biridir. Kiyimlarni ishonchli egishga qodir robotga erishish yoʻli hali uzoq, ammo arxitektura yoʻnalishi olti oy oldigiga qaraganda kamroq noaniq boʻldi. Uzoq muddatli avtonomiya, xavfsiz oʻzaro aloqa, vazifalarni umumlashtirish va murakkab muhitga moslashish masalalari ochiq qolmoqda. 81,8 foiz miqdori yakuniy maqsad emas, balki foydali yoʻnaltiruvchi hisoblanadi.
