ACE Robotics chwali Kairos World Model: 1. miejsce w 4 benchmarkach i nowe wyniki SOTA

ACE Robotics ogłosiło, że opracowany przez firmę Kairos World Model został sklasyfikowany na pierwszym miejscu we czterech globalnych benchmarkach dla embodied AI (uczenia osadzonego w kontekście działania w środowisku fizycznym): RoboTwin 2.0, LIBERO-Plus, WorldModelBench Robot oraz DreamGen.

Model osiągnął też wiele nowych wyników w kategorii state-of-the-art (SOTA), czyli najlepszych dotychczas rezultatów w danej klasie zadań. Benchmarki oceniają m.in. manipulacje oburącz (bimanual manipulation), planowanie z długim horyzontem (long-horizon task planning), generowanie „osadzone” kierowane tekstem (text-driven embodied generation) oraz rozumowanie dotyczące interakcji z fizycznym światem.

Według zaprezentowanych rezultatów Kairos World Model ma potwierdzać swoją pozycję w obszarze rozumienia scen, prognozowania działań, zachowania spójności fizycznej oraz uogólniania między zadaniami dla robotów pracujących w realnych warunkach.

RoboTwin 2.0 – benchmark dla oburęcznej manipulacji robotycznej – w przypadku Kairos World Model miał dawać lepszą jakość symulacji oraz silniejsze przenoszenie umiejętności z symulacji do rzeczywistości (sim-to-real). Firma wskazuje, że wysokiej jakości dane treningowe znacząco poprawiły wyniki zero-shot, czyli działanie bez dodatkowego uczenia na konkretnym zadaniu, na zadaniach z robotami dwuramiennymi.

LIBERO-Plus, który mierzy planowanie robotyczne z długim horyzontem, miał – jak podano – utrzymywać spójne rozumienie scen podczas złożonych, wieloetapowych zadań. Model miał też unikać typowych problemów, takich jak deformacje obiektów oraz błędy w logice wykonywania zadań.

WorldModelBench Robot, w kategorii DreamGen dla generowania tekst→obraz (text-to-visual generation) oraz dynamicznej predykcji scen, miał dać Kairos World Model pierwsze miejsce. Model miał poprawnie przekładać instrukcje w języku naturalnym na realistyczne zachowania robota, jednocześnie zachowując spójność fizyczną.

DreamGen, opracowany przez NVIDIA GEAR Lab, miał w przypadku Kairos World Model prowadzić jednocześnie w obszarze Physical Alignment (PA) oraz Interaction Fidelity (IF). Firma podaje, że wygenerowane ruchy odpowiadały realistycznej dynamice fizycznej i tworzyły symulacje, które mogą skuteczniej wspierać wdrożenia robotów w realnym świecie.

ACE Robotics podkreśla też, że Kairos World Model nie opiera się – w jej ocenie – na powszechnym podejściu branżowym polegającym na łączeniu ogólnego modelu generacji wideo z dalszym treningiem i dopasowaniem (fine-tuning) pod scenariusze embodied. Firma opisuje, że Kairos World Model realizuje fundamentalnie inną ścieżkę techniczną.

W grudniu 2025 roku Ace Robotics miało wprowadzić „pierwszą na świecie” natywnie zintegrowaną architekturę dla multimodalnego rozumienia, generowania i predykcji. Architektura ma integrować w jeden, spójny kręgosłup sieci (backbone) postrzeganie świata, generowanie scen oraz podejmowanie decyzji o działaniach, tworząc zamkniętą pętlę inteligencji: od rozumienia świata, przez przewidywanie, po interakcję.

W marcu 2026 roku architektura miała zostać pomyślnie potwierdzona do wdrożeń na urządzeniach brzegowych (edge deployment). Następnie Nvidia miała wypuścić Cosmos 3.0, które korzysta z architektury opartej na tym samym bazowym projekcie, co ma wskazywać, że system techniczny zapoczątkowany przez Kairos staje się ważnym kierunkiem rozwoju standardów dla world modeli.

Jeśli chodzi o wydajność, Kairos World Model 3.0 ma obsługiwać generowanie wideo trwającego do siedmiu minut, a przy tym generować sceny statyczne i dynamiczne o wysokiej wierności w szybkości przetwarzania (inference) przekraczającej tempo „głównych” world modeli. Lżejsza wersja, Kairos 3.0-4B, ma działać 72 razy szybciej niż Cosmos 2.5 na GPU A800, ustanawiając nowy globalny rekord wydajności wśród embodied world modeli.

Co ważniejsze, Kairos 3.0-4B ma być – jak podano – pierwszym na świecie world modelem zdolnym do sterowania ucieleśnioną (embodied) kontrolą robota na urządzeniach brzegowych. Jednocześnie ma być to pierwszy embodied world model w branży, który osiągnął na platformie THOR relację 1:1,5 w czasie generowania wideo do długości wideo, umożliwiając generowanie w czasie rzeczywistym. Roboty zasilane tym modelem mają wykonywać złożone zadania wymagające rozumowania przez dłuższy czas i z długim horyzontem, w tym przygotowywanie śniadania, wykonywanie prac domowych oraz podlewanie roślin.

Model ma też rozwiązywać uznane problemy techniczne, takie jak płynne interakcje i manipulacje obiektami podatnymi na deformacje. Funkcja „one brain, multiple embodiments” umożliwia dopasowanie do dłoni robotycznych, robotów humanoidalnych, ramion robotycznych oraz innych platform sprzętowych od różnych producentów.

Na poziomie zastosowań Ace Robotics, CUHK MMLab oraz Shenzhen Loop Area Institute wspólnie opublikowały Kairos-HomeWorld – jak wskazano – pierwszy na świecie whole-home interaktywny 3D world model dla całego domu. Model ma po raz pierwszy umożliwiać generowanie kompletnego, mieszkaniowego środowiska 3D „od początku do końca” (end-to-end) na podstawie pojedynczej podpowiedzi tekstowej, z globalnie spójnymi strukturami, fizycznie wiarygodnymi układami oraz obiektami interaktywnymi.

Zespół opublikował też open-source „największy na świecie” whole-home 3D dataset oraz pierwszy zestaw zaprojektowany specjalnie dla gospodarstw domowych w Chinach. Zawiera on 300 000 planów pięter z realnych chińskich domów oraz 5 000 kompletnych środowisk symulowanych z interaktywnymi meblami i obiektami. Kairos-HomeWorld jest teraz wykorzystywany w rutynowym treningu embodied intelligence w Ace Robotics, wspierając pełnoprocesowe szkolenie w symulacjach dla złożonych, długohoryzontowych zadań domowych, takich jak nawigacja między pokojami i organizowanie obiektów w wielu pomieszczeniach.

Od generowania wideo po sterowanie fizycznymi robotami oraz od tworzenia pojedynczej sceny po w pełni interaktywne środowiska w całym domu – Kairos World Model ma przekształcać world modele z demonstracji laboratoryjnych w infrastrukturę wspierającą rzeczywistą pracę robotów.

Ace Robotics koncentruje się na podstawowych badaniach i rozwoju dla embodied intelligence world modeli. Firma łączy międzynarodowo uznanych badaczy oraz partnerów z zaplecza doktoranckiego i miała zapoczątkować pełny techniczny cykl integrujący zbieranie danych ACE ambient, world modele oraz moduły uogólniania. Spółka dostarcza rozwiązania „robot brain” do zastosowań przemysłowych, zarządzania miastem, handlu detalicznego, kultury i turystyki.