01
看见情境
把对象、状态、空间和人的表达放进同一个当前世界。
手机已经拥有摄像头、麦克风、位置与连接能力。我们先让它理解身边的对象、状态和人的意图,再把这套认知能力带向更多设备。
它不是一个单独的大模型,也不是一套动作脚本。它把感知、语言、状态和经验连接起来,在设备侧形成可执行、可验证的判断。
把对象、状态、空间和人的表达放进同一个当前世界。
知道谁在做什么,事情为什么发生,还缺少什么信息。
结合设备能力和权限,决定下一步是否可以执行。
检查行动是否真正改变了现实,并在需要时暂停或恢复。
VLA 可以生成动作候选,世界模型可以预测可能变化。端侧具身大脑负责把这些候选放回当前情境,判断是否能做、该不该做,以及结果是否真的发生。
同一套认知内核可以连接手机、机器人、数字执行体和其他边缘设备。设备提供身体,大脑负责理解,未来的经验技能再让它在具体工作中持续做好一件事。
目前以手机和虚拟环境中的数字执行体作为概念验证起点。真实机器人本体接入将在后续阶段推进。