Huoolun Yingtu hat eine Seed+Finanzierungsrunde in Höhe von 30 Millionen Yuan abgeschlossen und treibt die aktive Interaktion im Bereich der verkörperten Intelligenz voran.
Wenn Embodied Intelligence das Labor immer schneller verlässt und in die reale Welt eintritt, verlagert sich der Wettbewerb in der Branche von der Frage „Kann der Roboter die Aufgabe erfüllen?“ hin zu der Frage „Verfügt der Roboter über die Fähigkeit, aktiv zu verstehen und zum richtigen Zeitpunkt einzugreifen?“.
Wenn es regnet, reicht er nicht von selbst einen Regenschirm; wenn ein älterer Mensch aufsteht und wankt, eilt er nicht voraus, um ihn zu stützen; wenn ein Kind dabei ist, versehentlich Gelee, Tabletten oder Fremdkörper zu verschlucken, hält er es nicht rechtzeitig davon ab; wenn der Nutzer niedergeschlagen ist und schweigend allein bleibt, nähert er sich nicht von selbst, um ihm Gesellschaft zu leisten. Die meisten heutigen Roboter können bereits sehen, verstehen und Anweisungen ausführen, doch fällt es ihnen nach wie vor schwer, die Veränderungen von Menschen und Umgebung kontinuierlich zu verstehen, zu beurteilen, wann sie aktiv eingreifen, wann sie schweigen sollten und welche Maßnahmen sie ergreifen müssen.
„Die eigentliche Herausforderung für Roboter besteht nicht nur darin, Fragen zu beantworten, sondern zu beurteilen, wann sie handeln müssen“, erklärte Kong Weigang, Gründer und CEO von Huolun Yingtu. Im Hinblick auf diese Richtung entwickelt das Unternehmen kontinuierlich ein aktives Interaktionsgehirn für Embodied Intelligence, um Roboter von der „Anweisungsreaktion“ zur „Szenenreaktion“ und von der „passiven Ausführung“ zum „aktiven Dienst“ zu führen.
Kürzlich gab Huolun Yingtu den Abschluss einer Seed+-Finanzierungsrunde in Höhe von 30 Millionen Yuan bekannt, angeführt von Gaoxin Capital, mit Beteiligung von Huayuan Capital und Angel Association, sowie zusätzlichen Investitionen der Altgesellschafter Xinwei Group und DNA FUND. Die Mittel dieser Runde werden hauptsächlich für die Iteration des aktiven Interaktionsgehirns, den Aufbau eines Systems für aktive Interaktionsdaten in realen Szenarien sowie die skalierte Serienproduktion und Auslieferung des intelligenten Endgeräts „Xiaojing“ verwendet.
Dilemma: Warum fällt es Robotern schwer, aktiv zu interagieren
„Roboter können verstehen, was Nutzer sagen, aber sie wissen nicht, wann sie aktiv antworten sollen“, ist Kong Weigang, Gründer und CEO von Huolun Yingtu, überzeugt. Dies sei die zentrale Herausforderung, vor der die Embodied Intelligence derzeit steht, wenn sie in die reale Welt vordringt.
In den vergangenen Jahren haben Roboter mit der rasanten Entwicklung großer Modelle deutliche Fortschritte in der visuellen Wahrnehmung, dem Sprachverständnis und der Aufgabenausführung erzielt. Doch nach dem Eintritt in offene Umgebungen wie Haushalte, Bildung und kommerzielle Dienstleistungen besteht die Herausforderung für Roboter nicht mehr nur darin, „ob sie die Aufgabe erfüllen können“, sondern ob sie die Veränderungen von Menschen und Umgebung in komplexen Szenarien verstehen und beurteilen können, was als Nächstes zu tun ist.
Zahlreiche Anforderungen in der Realität werden nicht ausdrücklich geäußert. Wenn Nutzer Hilfe brauchen, sprechen sie möglicherweise nicht von selbst davon, und vor dem Eintreten von Risiken gibt es oft keine klaren Anweisungen. Roboter können Fragen beantworten, aber es fällt ihnen schwer, potenzielle Anforderungen zu entdecken; sie können Aufgaben ausführen, aber es fällt ihnen schwer, zu beurteilen, wann sie erinnern, wann sie eingreifen und wann sie schweigen sollen.
Das bedeutet: Wenn Roboter von der Versuchsumgebung in das reale Leben übergehen, brauchen sie nicht nur stärkere Wahrnehmungs- und Ausführungsfähigkeiten, sondern vor allem die Fähigkeit, Szenarien zu verstehen, Anforderungen vorherzusagen und eigenständige Entscheidungen zu treffen. Der Schlüssel zum künftigen Wettbewerb zwischen Robotern wird sich von „Wahrnehmungsintelligenz“ und „Generationsintelligenz“ weiter in Richtung „aktive Interaktionsintelligenz“ entwickeln.
Auf der Grundlage dieser Einschätzung entwickelt Huolun Yingtu selbstständig ein aktives Interaktionsgehirn und baut einen Fähigkeitskreislauf aus „kontinuierlicher Wahrnehmung – Szenenverständnis – Bedarfsvorhersage – aktive Entscheidungsfindung – körperliche Ausführung – Rückkopplungsoptimierung“ auf. Der Kern besteht nicht darin, Roboter dazu zu bringen, sich häufiger aktiv zu äußern, sondern sie dazu zu bringen, auf der Grundlage des Verständnisses der Beziehung zwischen Mensch und Umgebung zu beurteilen, wann sie helfen sollen, wie sie helfen sollen und wann sie nicht stören sollen.
Luo Zhipeng, Mitbegründer und CTO des Unternehmens, erklärte: „Echte aktive Interaktion erfordert die Integration von Sehen, Sprache, Umgebungszustand, Nutzerverhalten und Langzeitgedächtnis, um den Nutzerzustand in kontinuierlich verändernden realen Szenarien zu verstehen und schnell den optimalen Zeitpunkt für das Eingreifen zu bestimmen. Roboter müssen nicht nur wissen, wann sie aktiv werden sollen, sondern auch, wie sie aktiv werden sollen, und vor allem, wann sie schweigen sollen.“
Durchbruch: Wie das aktive Interaktionsgehirn Roboter dazu bringt, „den richtigen Zeitpunkt zu erkennen“
Der Kern der aktiven Interaktion besteht nicht darin, Roboter dazu zu bringen, häufiger von selbst zu sprechen, sondern sie dazu zu bringen, zu verstehen, „wann sie eingreifen sollen“. Dahinter stehen zahlreiche reale, kontinuierliche Interaktionsdaten, die den Prozess antreiben.
Im Gegensatz zu Internettexten, öffentlichen Videos oder Simulationsdaten konzentriert sich Huolun Yingtu auf Interaktionsdaten aus realen Szenarien in der ersten Person. Über das Endgerät „Xiaojing“ werden kontinuierlich Veränderungen von Seheindrücken, Sprache, Umgebungszustand und Nutzerverhalten erfasst, um ein Datensystem für aktive Interaktion aufzubauen. „Das aktive Interaktionsmodell lernt nicht nur, ‚was passiert ist‘, sondern es soll auch verstehen, ‚warum gerade jetzt eingegriffen werden soll, ob der Nutzer es akzeptiert und ob die Maßnahme das Problem tatsächlich löst‘“, erklärte Kong Weigang.
Auf technischer Ebene nutzt das aktive Interaktionsgehirn von Huolun Yingtu die PAMI-Architektur für aktive adaptive multimodale Interaktion, die kontinuierliche Wahrnehmung, dynamisches Gedächtnis, Bedarfsvorhersage, Zeitentscheidung und Aktionsrückkopplung zu einer Einheit verbindet. Im Vergleich zu allgemeinen großen Modellen, die sich auf Verständnis und Generierung konzentrieren, liegt der Schwerpunkt auf dem Verständnis der Echtzeitbeziehung zwischen Mensch und Szenario: Damit Roboter die Veränderungen der realen Welt kontinuierlich wahrnehmen und zum richtigen Zeitpunkt auf geeignete Weise Dienstleistungen erbringen können.
Die Voraussetzung dafür, dass das Modell Szenarien und Menschen verstehen kann, ist der Eintritt in reale Szenarien. Huolun Yingtu treibt die Industrialisierung auf dem Weg „Geräteimplementierung – Datenrückfluss – Modelliteration“ voran: Das Endgerät „Xiaojing“ überprüft die Fähigkeit zur aktiven Interaktion in realen Szenarien wie Haushalten und speist kontinuierlich Daten und Modelle zurück, um einen geschlossenen Kreislauf von der Produktnutzung bis zur Fähigkeitsentwicklung zu bilden.
Absicherung: Der „Doppelmotor“ aus Technik-Enthusiasten und Branchenveteranen
Um die aktive Interaktion von der technischen Durchbrüche zur skalierten Umsetzung zu führen, braucht es sowohl Fähigkeiten im Bereich der zugrunde liegenden Algorithmen als auch Erfahrung in der Industrialisierung.
Luo Zhipeng, Mitbegründer und CTO von Huolun Yingtu, hat seinen Master-Abschluss im Fach Software-Engineering an der Peking University erworben. Er verfügt über fast 10 Jahre Erfahrung in der Entwicklung und Leitung von KI-Algorithmen, hat sich lange mit der Entwicklung von KI-Algorithmen und intelligenten Systemen befasst und konzentriert sich in den letzten Jahren auf große Modelle, multimodale Intelligenz und Embodied Intelligence. Zuvor war er als Algorithmen-Ingenieur bei Microsoft tätig, arbeitete als Partner und Technischer Vizepräsident eines KI-Einhorn-Unternehmens und leitete den Aufbau von KI-Plattformen und intelligenten Anwendungssystemen von Null auf Eins. Er führte sein Team an und gewann mehr als 50 Meisterschaften in internationalen KI-Wettbewerben wie ACL, EMNLP, KDD, CVPR und NeurIPS.
Kong Weigang, Gründer und CEO des Unternehmens, verfügt über 15 Jahre Erfahrung in der Betriebsführung von börsennotierten Unternehmen und der KI-Branche. Er konzentriert sich lange auf den Plattformbetrieb, die Kommerzialisierung technologischer Produkte und die Koordination von Branchenressourcen. Seiner Ansicht nach muss die Fähigkeit zur aktiven Interaktion nicht nur im Labor funktionieren, sondern auch von Nutzern in realen Szenarien akzeptiert werden und einen reproduzierbaren, nachhaltigen wirtschaftlichen Kreislauf bilden.
Darüber hinaus verfügt das Kernteam des Unternehmens sowohl über den wissenschaftlichen Hintergrund von Spitzenuniversitäten als auch über Branchenerfahrungen bei führenden Technologieunternehmen. Die Mitglieder haben Hintergründe von Universitäten wie der Peking University, Tsinghua-Universität, Fudan-Universität, Shanghai Jiao Tong University und Imperial College London und verfügen über Entwicklungserfahrungen bei Unternehmen wie Microsoft, Alibaba und Tencent. Sie decken Schlüsselbereiche wie KI-Algorithmen, multimodale große Modelle, Roboterintelligenz sowie Software- und Hardwaresysteme ab und bilden eine vollständige Fähigkeitskette von der Modellentwicklung über die technische Industrialisierung bis zur Produktimplementierung.
Zielsetzung: Die „Grundlage für aktive Interaktionsfähigkeiten“ der Embodied Intelligence
„In der Roboterindustrie wird sich ein hoch spezialisiertes Arbeitsteilungssystem bilden“, erklärte Kong Weigang. „Die Hersteller von Roboter-Körpern definieren die Form und Bewegungsfähigkeit von Robotern, allgemeine Modelle stellen Wahrnehmungs-, Verständnis- und Generierungsfähigkeiten bereit, und szenarienbezogene Unternehmen übernehmen die Kundenbindung und die Dienstleistungserbringung. Die Fähigkeit zur aktiven Interaktion verbindet Mensch und Roboter sowie die Modellfähigkeiten mit dem Wert der realen Szenarien.“
Von den Datenplattformen im Internetzeitalter über die Betriebssysteme im Zeitalter des mobilen Internets bis hin zur sich heute rasant entwickelnden physikalischen KI erfordert jeder Upgrade der Computing-Plattform die Unterstützung neuer grundlegender Fähigkeiten. Für die Embodied Intelligence ist die Fähigkeit von Robotern, „sehen, verstehen und ausführen“ zu können, nur der Ausgangspunkt. Noch wichtiger ist, ob sie die Veränderungen von Menschen und Umgebung kontinuierlich verstehen, beurteilen können, wann sie eingreifen und wie sie Dienstleistungen erbringen, und sich durch reale Rückmeldungen ständig optimieren.
Dies ist auch die Positionierung von Huolun Yingtu: Mit dem aktiven Interaktionsgehirn als Kern baut das Unternehmen eine Fähigkeitsgrundlage auf, die Modelle, Daten, Endgeräte und das Szenario-Ökosystem verbindet. Das Unternehmen versucht nicht, Roboter-Körper, allgemeine Modelle oder Szenario-Dienstleister zu ersetzen, sondern hilft verschiedenen Endgeräten durch standardisierte, anpassungsfähige Fähigkeiten zur aktiven Interaktion, schneller in reale Szenarien wie Haushalte, Bildung und kommerzielle Dienstleistungen einzutreten.
Mit der kontinuierlichen Anhäufung von Daten aus realen Szenarien, der fortwährenden Iteration der Modellfähigkeiten und der Einbindung weiterer Endgeräte und Partner wird die aktive Interaktion voraussichtlich zu einer wichtigen Infrastruktur für die skalierte Anwendung von Embodied Intelligence. Huolun Yingtu hofft, in diesem Prozess Roboter von dem „Warten auf Anweisungen“ zu „Verstehen von Bedarf und aktivem Dienst“ zu führen und sie wirklich zu intelligenten Partnern zu machen, die langfristig begleiten und zusammenarbeiten können.
Über Huolun Yingtu
Huolun Yingtu, das erste Spitzentechnologieunternehmen in China, das sich auf das aktive Interaktions-Embodied-Gehirn konzentriert, richtet sich nach der nationalen Strategie zur Entwicklung von künstlicher Intelligenz und der Anordnung von sechs Zukunftsindustrien in Shanghai, löst gezielt die zentralen Probleme der KI wie passive Reaktion, fehlende Fähigkeit zu eigenständigem Handeln und fehlende Fähigkeit zur kooperativen Interaktion, definiert die Interaktionslogik zwischen intelligenten Agenten, Menschen und Szenarien neu und führt die technologische Innovation und industrielle Modernisierung im Bereich der Embodied Intelligence an.
Gestützt auf die skalierte Umsetzung und breite Anwendung des selbst entwickelten intelligenten Hardwaregeräts „Xiaojing“ haben wir weltweit seltene erste Person-gegenüber-Embodied-Daten angehäuft – massenhaft Daten zur Mensch-Roboter-Interaktion in realen Szenarien und zur Ausführung in allen Szenarien, die eine solide Datenunterstützung für die schnelle Iteration des großen aktiven Interaktionsmodells und des Embodied-Gehirns bieten. „Xiaojing“ hat die gemeinsame Abstimmung von Software und Hardware abgeschlossen. Gestützt auf die strategischen Kooperationsressourcen von Lieferanten wie Anhua, Ruixingwei, TI und Malata sowie die Vertriebskanäle von Partnern wie Sam's Club, Aigele und landesweiten Händlern wurden bereits Bestellungen von mehr als 20.000 Einheiten erhalten, was eine doppelte Durchbrüche bei der technischen Umsetzung und dem wirtschaftlichen Kreislauf ermöglicht.
Das Kernteam des Unternehmens umfasst derzeit 32 Personen, darunter 4 Doktoren und 8 Master. Die Kernmitglieder kommen von führenden inländischen Hochschulen wie der Tsinghua-Universität, Peking-Universität, Shanghai Jiao Tong University und Fudan-Universität, haben insgesamt mehr als hundert Preise bei weltweit führenden KI-Wettbewerben gewonnen und halten mehrere zentrale Erfindungspatente. Mit Shanghai als Zentrum baut das Unternehmen ein Forschungssystem auf, das das Festland, Hongkong, Macau und Taiwan abdeckt. Das Unternehmen hat zwei Finanzierungsrunden mit insgesamt 40 Millionen Yuan abgeschlossen und wird von mehreren Top-Institutionen wie Shanghai Angel Association und Gaoxin Capital unterstützt.
In Zukunft wird Huolun Yingtu seine Kerntechnik kontinuierlich öffnen und gemeinsam mit Branchenpartnern ein offenes Ökosystem für die Embodied Intelligence-Industrie aufbauen. Mit dem Ziel, der weltweit führende Anbieter von aktiven Interaktions-Embodied-Gehirnen zu werden, setzt sich das Unternehmen dafür ein, dass jeder intelligente Agent zu einem Partner wird, der Nutzer versteht, aktiv handelt und zusammenarbeitet, um einen Beitrag zur Entwicklung der chinesischen KI-Industrie zu leisten.