Exklusiv von Hard-Krypton | Ein auf Embodied Brain spezialisiertes Unternehmen, das aus der Tsinghua-Universität und der Chinesischen Akademie der Wissenschaften hervorgegangen ist, hat eine Finanzierung von 1 Milliarde Yuan eingesammelt und bereits Auslandsaufträge im Wert von mehreren hundert Millionen Yuan erhalten.

Wie Hardkrypton erfuhr, hat das Embodied-Intelligenz-Unternehmen Zhongke Wujiji kürzlich nacheinander die Finanzierungsrunden A1 und A2 abgeschlossen, wobei der gesamte Finanzierungsbetrag mehr als 1 Milliarde Yuan übersteigt. Die Runde A1 wurde gemeinsam von Xigao Investment, dem BOC AIC-Fonds unter der Bank of China und Sanfeng Investment investiert; die Runde A2 wurde gemeinsam von Xineng Venture Capital, dem BOC AIC-Fonds, Zhongshan Venture Capital, Hongruida Investment, Beyond, Jin Venture Capital (der Subfonds für neue Energiefahrzeuge in der Provinz Zhejiang) investiert.

Zhongke Wujiji wurde 2024 gegründet und hat in weniger als zwei Jahren bereits eine Finanzierung von mehreren Milliarden Yuan abgeschlossen. Wujiji ist ein führendes Unternehmen für „Embodied Brain“, das Produkte und Lösungen rund um das große Modell für die körpergebundene Bedienung entwickelt. In China hat es mehr als 10 Kernkunden wie die Sinopec Group, Leapmotor und das State Grid of China bedient.

Im Vergleich zum inländischen Markt kommt das deutlichere Wachstumspotenzial von Zhongke Wujiji in der nächsten Phase aus dem Ausland. Nach Abschluss dieser Finanzierung wird die Globalisierung zu einer der Kernrichtungen für die zukünftige Entwicklung des Unternehmens. Derzeit hat Wujiji mehrere hundert Millionen Yuan an Auslandsaufträgen erhalten, das Auslandsgeschäft ist in die Phase der tatsächlichen Lieferung eingetreten, und es wurde bereits ein lokales Dienstleistungssystem aufgebaut. In den nächsten sechs Monaten wird Wujiji sich darauf konzentrieren, Auslandsmärkte wie Europa, Australien, Neuseeland, Japan und Südkorea zu erschließen.

Im März dieses Jahres absolvierte Zhongke Wujiji am Hauptsitz eines globalen Fertigungsunternehmens in Deutschland eine praktische Validierung für die Handhabung von Standardkisten. Bei zufällig platzierten Kisten unterschiedlicher Spezifikationen können Roboter ohne menschliches Eingreifen kontinuierlich Erkennung, Greifen und Transport abschließen. Für Embodied-Intelligenz-Unternehmen bedeutet die Fähigkeit, die Validierung vor Ort in der europäischen Fertigungsindustrie abzuschließen, nicht nur die Umsetzung eines Projekts, sondern auch, dass seine Technologie beginnt, die Prüfung durch das hochstandardisierte Industriesystem zu bestehen.

Der Gründer und CEO des Unternehmens, Liu Nianfeng, ist Doktor am Institut für Automatisierung der Chinesischen Akademie der Wissenschaften und studierte bei dem Akademiemitglied der Chinesischen Akademie der Wissenschaften, TAN Tieniu. Er arbeitet seit langem an der Forschung und Entwicklung von Produkten für künstliche Intelligenz und Roboter sowie der Kommerzialisierung von Kerntechnikprodukten. Er sagte zu Hardkrypton: „Die europäische Fertigungsindustrie steht vor Veränderungen der Arbeitsstruktur und einer neuen Runde der Automatisierungsmodernisierung, was chinesischen Embodied-Intelligenz-Unternehmen neue Marktchancen bietet. Im Ausland ist es äußerst wichtig, „das zu halten, was man verspricht“. Die Aufträge führender Fertigungsunternehmen zu erhalten, hängt davon ab, dass die Produkte sich schnell an das lokale Produktionssystem anpassen und die Projekte tatsächlich geliefert werden können.“

In den letzten mehr als einem Jahr erlebt die globale Embodied-Intelligenz-Branche eine Verschiebung der technischen Routen. Im Silicon Valley führt die von Figure und 1X Technologies vertretene Mannschaft allgemein das Scaling Law der großen Internetmodelle in die physische Welt ein und versucht, durch unbegrenztes Stapeln von Videodiffusionsmodellen und Millionen von Stunden echter Greifdaten von Robotern den GPT-Moment der Embodied-Intelligenz herbeizuführen. Allerdings führen die nicht strukturierten Merkmale der echten physischen Welt zu Problemen wie hohen Kosten für die Datenerfassung und einem sehr langen Zyklus für die verallgemeinerte Bereitstellung in Szenarien.

Vor diesem Hintergrund der Branche hat Wujiji das weltweit erste große Modell der FAM-Serie für die körpergebundene Bedienung mit extrem wenigen Stichproben auf den Markt gebracht. Die traditionelle VLA-Architektur verliert bei der Dimensionsreduzierung sehr leicht die Priorität der räumlichen Struktur der physischen Welt, was dazu führt, dass Roboter Fehlbedienungen ausführen, sobald sich der Hintergrund oder die Beleuchtung geringfügig ändert. Daher hat Wujiji die eigenständige Technologie der „Heatmap-Ausrichtung“ entwickelt, die Merkmale präzise zurück zur dreidimensionalen Heatmap „hochzieht“, die geometrischen Beziehungen im dreidimensionalen Raum beibehält, durch die branchenweit innovative Technologie der Modellarchitektur den Verlust von räumlichen Daten reduziert, die Effizienz der Datennutzung verbessert und damit den technischen Zyklus von „wenigen Stichproben, hoher Zuverlässigkeit und starker Verallgemeinerung“ realisiert.

Bei der praktischen Bereitstellung im Einsatz senkt dieses Modell die Lernschwelle für Aufgaben auf nur 3 bis 5 echte Demonstrationen, um eine Erfolgsrate von bis zu 97 % bei grundlegenden Aufgaben zu erreichen, und der Datenbedarf sinkt auf 1 % der herkömmlichen Methoden.

(Quelle des Bildes / Unternehmen)

Während die Fähigkeit zur Verallgemeinerung der Bedienung verbessert wird, nutzt Wujiji auch das Weltmodell, um die Fähigkeit des Menschen nachzuahmen, Ergebnisse vor der Handlung zu antizipieren und Risiken zu beurteilen, sodass Roboter zuerst ableiten und dann ausführen, um die Sicherheit im tatsächlichen Betrieb weiter zu verbessern. In der kürzlich aktualisierten Version FAM-1.3 hat das Team erstmals die Priorität der dreidimensionalen Raumstruktur mit der Videogenerierung tief integriert und den Sprung von der Vorhersage diskreter Heatmaps zur Generierung sequenzieller Heatmaps realisiert. Ein weiteres Weltmodell BridgeV2W kann komplexe Handlungsanweisungen direkt in Bilder übersetzen, die man in Zukunft sehen könnte, um eine hochpräzise und visualisierte Simulation der Handlungsergebnisse zu realisieren. Sein neues Weltmodell FlowWAM, das noch nicht offiziell veröffentlicht wurde, hat im April dieses Jahres die Gesamtwertung der globalen Rangliste von WorldArena angeführt.

Die ersten radgebundenen körpergebundenen Roboter, die von Wujiji selbst entwickelt wurden, wurden in drei Kernszenarien wie Logistik, flexiblen industriellen Fertigungslinien und Energieinspektion im großen Maßstab eingesetzt. Der Roboter ist mit dem großen Modell der FAM-Serie ausgestattet, hat eine Körperhöhe von 189 cm, eine Armlänge von 65 cm, ist leicht gebaut und verfügt über 28 Freiheitsgrade im gesamten Körper, von denen die menschenähnlichen Arme 7 Freiheitsgrade haben, wobei die Parameter sowohl hohe Belastbarkeit als auch hohe Flexibilität berücksichtigen.

Der technische Durchbruch ist auch einer der Gründe, warum Wujiji sich darauf konzentriert, ausländische Märkte zu erschließen. Ausländische Fabriken weisen deutliche Unterschiede in Bezug auf Materialspezifikationen, Fertigungsrhythmus und Layout der Arbeitsplätze auf. Wujiji stützt sich auf das große Modell der FAM-Serie für die körpergebundene Bedienung und nutzt das Lernen mit extrem wenigen Stichproben, um die schnelle Anpassungsfähigkeit des Roboters an unbekannte Szenarien zu verbessern, was die Bereitstellungskosten in verschiedenen Ländern und Fabriken senkt.

(Quelle des Bildes / Unternehmen)

Derzeit konzentriert sich das Auslandsgeschäft des Unternehmens hauptsächlich auf industrielle Szenarien mit hohem Standardisierungsgrad und klarer Marktnachfrage wie industrielle Logistik und flexible Fertigung. Im Vergleich zu Roboterunternehmen, die hauptsächlich auf den Export von Hardware setzen, sagte Liu Nianfeng: „Wir werden an der Integration von Hardware und Software festhalten, denn nur wenn Hardware und Software gemeinsam entwickelt werden, können Szenarien, Daten, Modelle, Steuerung und Lieferung wirklich verbunden werden.“

Im Folgenden ist das Interview mit Liu Nianfeng, Gründer und CEO von Wujiji:

Hardkrypton: Die Mehrheit der Branche verfolgt derzeit die VLA-Route. Warum hat Wujiji sich schon bei der Gründung entschieden, sie zu „verändern“? Was ist die größte Herausforderung bei der technischen Umsetzung, wenn man die eindimensionalen Merkmale zurück zur dreidimensionalen Heatmap „hochzieht“?

Dr. Liu Nianfeng: Wir hoffen, dass die Art und Weise, wie körpergebundene Roboter die Welt verstehen, dem Menschen näher kommt.

Wenn der Mensch der echten Welt gegenübersteht, berechnet er nicht alle Informationen mit gleicher Intensität. Das Gehirn filtert ständig: Was hat mit der aktuellen Aufgabe zu tun, was kann vorübergehend ignoriert werden, wo lohnt es sich, mehr Aufmerksamkeit zu widmen. Echte effektive Intelligenz verarbeitet nie die meisten Informationen, sondern ist in der Lage, schnell den Teil zu erfassen, der das Ergebnis bestimmt.

Das ist auch der Ausgangspunkt, von dem aus wir die technische Architektur neu gestalten. Körpergebundene Roboter leben in der dreidimensionalen physischen Welt, und Position, Entfernung, Verdeckung und Kontaktbeziehung bestimmen direkt, ob die Handlung gültig ist. Wenn diese Informationen zu früh zu eindimensionalen Merkmalen komprimiert werden, ist die Berechnung möglicherweise einfacher, aber die dreidimensionale Struktur und die räumlichen Einschränkungen können dabei verloren gehen.

Wujiji zieht die Merkmale zurück zur dreidimensionalen Heatmap, um einerseits die ursprünglichen räumlichen Beziehungen der physischen Welt zu behalten und andererseits das Modell einen Auswahlmechanismus ähnlich der menschlichen Aufmerksamkeit bilden zu lassen, der schnell die Bereiche erfasst, die am relevantesten für die Aufgabe sind.

Die größte Herausforderung bei der Umsetzung besteht darin, die Beziehung zwischen Ziel, Position und Handlung im dreidimensionalen Raum genau auszudrücken und gleichzeitig das Modell aus der komplexen Umgebung schnell die Schlüsselbereiche finden zu lassen, die über Erfolg oder Misserfolg der Aufgabe entscheiden. Wir müssen nicht nur den Verlust von räumlichen Informationen bei der Merkmalskompression lösen, sondern auch vermeiden, dass das Modell alle Informationen ohne Unterschied verarbeitet. Der Kern von Wujiji besteht darin, dass körpergebundene Roboter sowohl die dreidimensionale Welt verstehen als auch die Fähigkeit haben, den Schwerpunkt zu erfassen.

Hardkrypton: Die Branche nutzt derzeit noch riesige Datenmengen, um große Modelle zu trainieren. Warum wagt ihr die Wette auf „extrem wenige Stichproben“? Wenn man extrem wenige Stichproben verwendet, werden dann höhere Anforderungen an die Qualität, die Dimension der Demonstrationsdaten und die Bedienpersonen gestellt?

Dr. Liu Nianfeng: Die Fähigkeit des Modells hängt von zwei Variablen ab: der Datenmenge und der Datenqualität.

Ich glaube, dass je mehr Daten vorhanden sind, desto stärker ist die Fähigkeit des Modells, aber das Problem besteht darin, dass das, was die Embodied-Intelligenz derzeit wirklich knapp hat, qualitativ hochwertige Daten von echten Maschinen sind. Wenn die Datenmenge kurzfristig kaum stark gesteigert werden kann, darf die Branche nicht nur darauf achten, „wie viele Daten es gibt“, sondern auch auf die Effizienz der Datennutzung achten.

Wenn die Effizienz der Datennutzung des Modells nur 1 % beträgt, werden selbst bei ständiger Erhöhung der Datenmenge viele wirksame Informationen verschwendet; wenn die Effizienz von 1 % auf ein höheres Niveau gesteigert werden kann, kann die gleiche Datenmenge eine stärkere Lernfähigkeit unterstützen. Wenn die Datenmenge in Zukunft erweitert wird, wird dieser Effizienzvorteil noch weiter verstärkt. Deshalb haben wir die Architektur des Modells innovativ gestaltet, sodass die Anzahl der für das Lernen einer neuen Aufgabe erforderlichen Demonstrationsdaten auf 3 bis 5 reduziert wird. Extrem wenige Stichproben sind nur das Ergebnis, was wir wirklich durchbrochen haben, ist der seit langem bestehende Engpass der Datennutzungseffizienz in der Embodied-Intelligenz.

Was die zweite Frage betrifft, ist es im Gegenteil – extrem wenige Stichproben verlagern die Belastung nicht auf die Mitarbeiter vor Ort, sondern verarbeiten die Komplexität im Inneren des Systems. Die Arbeiter vor Ort müssen nur einige einfache Demonstrationshandlungen gemäß der normalen Arbeitsweise abschließen. Komplexe Schlussfolgerungen wie Handlungsverständnis, räumliche Modellierung und Sicherheitsüberprüfung sollten eigentlich von dem Modell und dem System erledigt werden. Unser Prinzip ist einfach: Lassen Sie die Kunden mit minimalem Eingriff die stabilste Wirkung der Umsetzung erzielen. Wenn „extrem wenige Stichproben“ die Kunden stattdessen belasten, haben sie keinen kommerziellen Wert.

Hardkrypton: Das Weltmodell ist in diesem Jahr sehr populär, und Wujiji hat auch BridgeV2W veröffentlicht. Welche Rolle spielt das Weltmodell in der technischen Blaupause von Wujiji?

Dr. Liu Nianfeng: Das Weltmodell simuliert im Wesentlichen die Fähigkeit des Menschen, „vor der Handlung zu ableiten“.

Der Mensch handelt nicht sofort, nachdem er Informationen erhalten hat. Bevor er wirklich beginnt, leitet das Gehirn anhand vergangener Erfahrungen schnell die möglichen Ergebnisse ab: Ist diese Handlung durchführbar, wie wird sich die Umgebung verändern, welche Risiken können auftreten und ob muss man eine andere Methode wählen. Meistens wird diese Ableitung von uns nicht klar wahrgenommen, aber sie ist ein wichtiger Grund dafür, dass der Mensch Handlungen in komplexen Umgebungen abschließen kann.

Was BridgeV2W den Robotern verleihen soll, ist genau diese Fähigkeit. Bevor der Roboter die Handlung wirklich ausführt, sagt er zuerst die Umweltveränderung voraus, die durch die Handlung verursacht wird, und beurteilt das Ergebnis. Wenn das erwartete Ergebnis angemessen ist, geht er zur Ausführung über; wenn es Kollisionen, Herunterfallen oder andere Risiken gibt, passt er die Handlung rechtzeitig an und führt bei Bedarf menschliches Eingreifen ein.

Einfach ausgedrückt: Extrem wenige Stichproben lösen das Problem, wie körpergebundene Roboter wie Menschen effizient aus begrenzten Erfahrungen lernen können; das Weltmodell löst das Problem, wie körpergebundene Roboter wie Menschen Ergebnisse vor der Handlung antizipieren können. Es lässt die Entscheidungen der körpergebundenen Roboter nicht mehr bei „was man sieht, was man tun soll“ stehen, sondern versteht weiter „was passiert, wenn man das tut“.

Hardkrypton: Ihr habt den ersten radgebundenen zwearmigen körpergebundenen Roboter mit einer Höhe von 189 cm selbst entwickelt. Was ist die Logik von Wujiji, den Körper selbst zu entwickeln? Werdet ihr in Zukunft konsequent den Weg der Integration von Hardware und Software gehen oder eher ein Anbieter von Gehirnen im Zeitalter der Embodied-Intelligenz werden?

Dr. Liu Nianfeng: Lassen Sie uns zuerst eines klarstellen – wir sind im Wesentlichen immer noch ein „Gehirnunternehmen“. Die selbstständige Entwicklung des Körpers ist die notwendige Wahl in der gegenwärtigen Phase, um das Gehirn in die industrielle Praxis zu bringen.

Derzeit sind die meisten Roboterkörper eher für Demonstrationen geeignet und weisen noch deutliche Ab