Компания Rlwrld представила модель RLDX-1. Система разработана для выполнения контактно-нагруженных задач, включая захват объектов, использование инструментов и переливание жидкостей — одного из наиболее сложных сценариев для гуманоидных платформ.

RLDX-1 позиционируется как первая модель, изначально построенная вокруг приоритета физической ловкости и тактильного взаимодействия. По словам главы Rlwrld Чонхи Рю, индустрия робототехники долгое время концентрировалась на зрении и языковых интерфейсах, тогда как реальные производственные задачи требуют способности удерживать, чувствовать и динамически контролировать объекты.

Модель была разработана на инфраструктуре Nvidia с использованием стека Isaac GR00T, Isaac Lab, Isaac Sim и cuRobo для моделирования и обучения. Для тренировки использовались GPU Hopper, а выполнение inference происходило на Jetson AGX Thor с TensorRT.

Фото: Rlwrld

Ключевым элементом архитектуры стала система Multi-Stream Action Transformer (MSAT). В отличие от классических моделей для роботов, здесь сигналы зрения, языка, действий, тактильной информации и памяти обрабатываются как отдельные потоки до объединения через механизм совместного внимания. Разработчики считают такую схему важной для задач с меняющейся физической динамикой — например, при переливании жидкости, где масса сосуда постоянно изменяется.

В серии внутренних тестов Rlwrld сообщила, что RLDX-1 превзошла Nvidia Isaac GR00T N1.6 для гуманоидных роботов на 10,7 процентного пункта. В задаче RoboCasa Kitchen модель набрала 70,6 балла, став первой системой, преодолевшей порог в 70 баллов на длинных сценариях с интенсивным физическим контактом.

Отдельно демонстрировалась задача переливания кофе на гуманоиде Allex компании WIRobotics. Новая модель достигла успешности 70,8%, что примерно вдвое выше результатов конкурирующих систем.

Важной особенностью RLDX-1 стала кросс-платформенность. Одна и та же модель работает на нескольких типах роботов. Участники отраслевой панели на презентации назвали подобный подход важным шагом против жёсткой привязки ИИ-систем к конкретному производителю оборудования.

Rlwrld также анонсировала развитие следующего поколения моделей — 4D+ world model. В отличие от видео-ориентированных систем, она должна моделировать не только изображение, язык и действия, но и физические параметры: контакт, крутящий момент и состояние робота во времени.

Компания уже привлекла инвестиции от крупных корпораций, а также ведёт совместные проекты с более чем десятью промышленными партнёрами.