Репортаж от Wedoany，Опубликованная китайской компанией Riemann Dynamics (Riemann Dynamics) мировая модель для управления роботами Riemann-1.0 достигла 62,6% успешности в общепризнанном сложном эталонном тесте по домашней симуляции RoboCasa-365, превысив предыдущий лучший результат на 8,4 процентных пункта. Для обучения модели было использовано 232 000 часов данных, основную часть которых составили видео с точки зрения человека.
Riemann Dynamics — дочерняя компания Kunlun Wanwei, специализирующаяся на направлении воплощённого интеллекта. Riemann-1.0 была впервые представлена на WAIC 2026. Её технический подход заключается в изучении закономерностей взаимодействия с физическим миром из огромного количества немаркированных человеческих видеозаписей, а затем в выравнивании действий с использованием небольшого объёма роботизированных данных для достижения универсального управления различными роботизированными платформами. Модель демонстрирует способность переноса из симуляции на реальные машины в конкретных операциях, например, при уборке со стола выполняет последовательные шаги: поднимает тонкую ложку, выливает суп и вытирает поверхность.
По составу данных обучающий набор Riemann-1.0 включает 200 000 часов видео с точки зрения человека, 12 000 часов данных UMI и экзоскелетных перчаток, а также 20 000 часов реальных и симулированных траекторий роботов, охватывая 41 тип роботизированных платформ и тысячи способов взаимодействия. Команда разработала собственную автоматизированную линию обработки данных, которая преобразует человеческие видео в машиночитаемые сигналы действий с помощью коррекции изображений, сегментации меток действий с помощью VLM, контроля качества и фильтрации, а также реконструкции 3D-позы рук. Модель основана на диффузионной архитектуре и использует полностью каузальную совместную структуру моделирования действий и видео. Благодаря трёхэтапному обучению — на первом этапе вес потерь действий составляет 0,1, на втором — 0,5, на третьем — 0,9 — осуществляется плавный переход от понимания мира к выполнению действий.
Абляционные эксперименты подтвердили ценность данных человеческих видео: только на RoboCasa-365 базовая успешность обучения составила 38,2%; добавление роботизированных данных повысило её до 43,4%; включение данных UMI — до 48,2%; а после окончательного введения человеческих видео успешность выросла до 62,6%. В эталонном тесте EgoVLA, предназначенном для двуногих человекоподобных роботов с двумя ловкими руками, успешность длительных многоэтапных задач увеличилась с 42,96% до 71,11%, а на полностью незнакомом визуальном фоне — с 26,36% до 43,33%.
В симуляционных оценках Riemann-1.0 показала успешность 99,0% на LIBERO, 94,3% на RoboTwin 2.0 и 62,6% на RoboCasa-365, заняв первое место. Для проверки производительности на реальных машинах команда создала четыре типичных сценария домашних задач: упорядоченное складывание кубиков, складывание гибкой ткани, уборка беспорядка на столе и укладка кухонной посуды. Демонстрационные данные были собраны с помощью ручного дистанционного управления и использованы для совместного обучения. При сравнении с открытыми базовыми моделями на равных условиях Riemann-1.0 достигла средней успешности 85,00% и степени завершённости процессов 94,43%, заняв первое место в обоих показателях, опередив лучшую открытую модель на 15 процентных пунктов, при этом степень завершённости каждой задачи превысила 91%.
На WAIC 2026 компания Kunlun Wanwei также представила мировую модель Matrix-3.5, модель AI-музыки Mureka v9.5 и Riemann-1.0. Расширение возможностей генерации цифрового мира на взаимодействие с физическим миром рассматривается как неизбежный путь к достижению общего искусственного интеллекта. Riemann Dynamics, действующая как независимая дочерняя компания, стремится предоставить основной команде возможность самостоятельно получать специализированные ресурсы для долгосрочных технологических вложений.
