Шесть роботов собрали Великую стену из 81 920 кубиков на WAIC 2026

Введение

На Всемирной конференции по искусственному интеллекту 2026 года в Шанхае шесть роботов приняли необычный публичный вызов: за 15 часов собрать крупномасштабную модель Великой Китайской стены из 81 920 микрокубиков.

Готовая конструкция составила около 3,5 метров в длину, 1,5 метра в ширину и 1,1 метра в самой высокой точке. Четыре настольных робота и два колесных человекоподобных робота работали совместно, выполняя все задачи — от точной укладки кубиков до транспортировки и сборки крупных модулей.

Согласно первоначальным сообщениям, эти роботы работали автономно, без дистанционного управления или заранее заданных фиксированных скриптов действий. Им требовалось воспринимать рабочее пространство, принимать решения о следующем шаге, координировать действия друг с другом, обнаруживать ошибки укладки и исправлять отклонения в процессе сборки.

Робот работает рядом с большой моделью Великой Китайской стены из кубиков.

Этот вызов был организован компанией Dexmal (китайское название: Юаньли Линцзи). Компания представила его как публичное испытание, чтобы проверить, сможет ли воплощенный интеллект выйти за рамки кратковременных демонстраций и выполнять задачи, требующие высокой точности и физической координации в течение длительного времени в реальной выставочной среде.

Примечание о точности: Такие формулировки, как «первый в мире», «полностью автономный», «лидер отрасли», взяты из сообщений Dexmal или первоначальных репортажей. Публичные демонстрации и технические материалы подтверждают общую концепцию, однако источники информации не предоставляют полной независимой проверки каждого операционного этапа.

80 тысяч кубиков и бесскриптовое публичное тестирование

На первый взгляд, Великая стена из кубиков может показаться просто трюком, созданным для выставочного зала. Но если разобрать ее технические требования, эта задача затрагивает три ключевые проблемы, которые долгое время мешали роботам перейти от лабораторных демонстраций к реальному промышленному применению.

Субмиллиметровая точность операций

Кубики должны плотно и равномерно соединяться. Следовательно, роботам необходимо выполнять контролируемые движения в диапазоне примерно от 0,1 до 1 миллиметра.

Такая точность требует координации нескольких способностей:

• Точное визуальное и пространственное восприятие
• Навыки тонкой моторики
• Стабильная работа приводов
• Надежное обнаружение контакта
• Способность исправлять незначительные ошибки позиционирования

Задача заключалась не просто в перемещении объекта из одной точки в другую. Каждый кубик нужно было выровнять, прижать на место и интегрировать в окружающую структуру, не повредив уже уложенные кубики.

Первоначальные сообщения сравнивали требуемую стабильность с естественным дрожанием руки человека в расслабленном состоянии (которое может достигать аналогичных масштабов). Суть проста: робот должен сохранять точность и согласованность в течение тысяч повторяющихся операций.

Шесть роботов без единого оператора

Второй сложностью была координация.

Система состояла из шести роботов двух разных типов. Они разделяли одно физическое рабочее пространство и должны были распределять задачи, не сталкиваясь друг с другом и не повторяя одни и те же операции.

Сообщается, что ни один человек-оператор не управлял всей группой постоянно из центральной консоли. Вместо этого каждый робот автономно воспринимал окружающую обстановку, принимал локальные решения и договаривался о распределении задач через взаимную коммуникацию.

Более тонкие и точные операции могли выполняться настольными роботами, в то время как колесные человекоподобные роботы отвечали за перемещение, транспортировку и более крупные этапы сборки.

Многоагентная координация распространена в симуляциях и научных статьях. Однако гораздо сложнее заставить гетерогенных роботов работать совместно в течение длительного времени в переполненной выставочной среде, где задержки связи, ошибки восприятия, физические препятствия и накопленный дрейф позиционирования могут повлиять на весь процесс.

Пятнадцать часов непрерывной работы

Последней сложностью была продолжительность.

Один робот, выполняющий тщательно подобранные действия в течение нескольких минут, может произвести впечатление. Но 15-часовая задача ставит другой вопрос: сможет ли система сохранять точность и восстанавливаться после мелких ошибок по мере увеличения количества действий?

Каждый новый кубик создавал риск смещения. Маленькая ошибка на раннем этапе строительства могла повлиять на последующие части, поэтому системе требовался замкнутый цикл:

1. Наблюдать текущее состояние.
2. Выбрать следующее действие.
3. Выполнить укладку.
4. Проверить, соответствует ли результат ожидаемому состоянию.
5. При необходимости исправить действие.
6. Продолжить с обновленного состояния.

Комплексный тест на точность, координацию и продолжительность был направлен на проверку того, может ли воплощенный ИИ производить полезную работу, а не просто кратковременную, изолированную демонстрацию.

Многороботный вызов привлек множество зрителей на выставке WAIC 2026.

Используемое в задаче оборудование включало Dexmal Apex, который компания описывает как воплощенный, изначально универсальный робот. Dexmal утверждает, что Apex объединяет аппаратный дизайн с собственной воплощенной базовой моделью, чтобы поддерживать длительную работу, точные операции, более широкое обобщение задач и безопасное взаимодействие в людных местах.

Роботы — это видимая часть демонстрации. Лежащий в основе интеллект обеспечивается последней воплощенной базовой моделью Dexmal DM0.5.

DM0.5 и возникновение обобщения

Dexmal представила DM0.5 на мероприятии для разработчиков Action 2026 в начале июля. Эта модель является преемником DM0 и предназначена для управления роботами в открытом мире, а не для выполнения фиксированного набора скриптовых задач.

DM0.5 предназначена для обобщения роботизированных задач в открытом мире.

В официальном техническом блоге Dexmal говорится, что модель использует архитектуру «визуальный-языковый-действие», включающую:

• Визуально-языковой бэкбон Gemma 3 4B
• Эксперт действий с 680 миллионами параметров
• Непрерывная генерация действий робота
• Многороботное, многоцелевое обучение
• Визуальный контекст длительностью до 60 секунд

Согласно первоначальным отчетам, модель обучалась на примерно 150 000 часов многопрофильных данных, включая реальные операции роботов, человеческую деятельность от первого лица, навигацию, реконструкцию среды и общие визуально-языковые данные.

Сообщается, что по сравнению с DM0 объем данных увеличился на 400%, а количество параметров примерно удвоилось.

Однако более важным изменением стал не просто масштаб. Dexmal добавила несколько механизмов, направленных на то, чтобы помочь модели понимать ход выполнения задачи, логически осмысливать физическую среду и учиться действиям, не копируя индивидуальные временные смещения человека-оператора.

![Изображение демонстрирует архитектуру модели DM0.5 от Dexmal. Слева — VLM 4B, включая Context Abstraction, Embodiment CoT

Модули Tasks и другие обрабатывают последовательности изображений, инструкции по структурной информации и т.д. Справа находится Action Expert 680M, содержащий такие части, как Action Velocity field и KV cache, обрабатывающие состояние робота, команды задач и т.д. В центре находится Action Alignment, отображающий сравнение Ground Truth и Prediction. Этот рисунок тесно связан с контекстом и наглядно демонстрирует структуру модели DM0.5 и функции её частей, помогая понять её дизайн в области управления роботами в открытом мире.

Официальная архитектурная схема DM0.5, показывающая магистральную сеть VLM, контекстный слой, задачи рассуждения и Action Expert.

Три новые структуры, помогающие роботам понимать мир

В оригинальной статье основное внимание уделяется трём новым архитектурным компонентам. Каждый из них направлен на устранение различных слабых мест в длительных воплощённых задачах.

Контекстный абстрактный слой: память длительностью до 60 секунд

Традиционные модели VLA обычно принимают решения, основываясь только на текущем изображении с камеры и текущем состоянии робота. Это подходит для кратковременных действий, но становится ненадёжным, когда информация, необходимая для последующих задач, не видна.

DM0.5 добавляет контекстный абстрактный слой, который объединяет текущие наблюдения с избранной визуальной информацией из недавней истории. По словам Dexmal, модель может интегрировать контекст задачи длительностью до 60 секунд.

В процессе обучения длина и доступность исторической информации варьируются. Если прошлая информация отсутствует или бесполезна, модель обучается отступать к текущим наблюдениям, а не терпеть полную неудачу.

Dexmal объясняет это на простом примере: взять чашку, протереть область под ней, а затем поставить чашку на место.

Как только чашка взята, её исходное положение исчезает из текущего кадра. Модель, ориентированная только на настоящее, может поставить её в произвольное место. Модель с историческим контекстом может запомнить, где чашка находилась до перемещения.

Для задачи с «Великой стеной» тот же принцип имеет решающее значение в более крупном масштабе. Роботу необходимо понимать, какие части уже собраны, как изменилась локальная структура и каким должен быть следующий шаг в процессе.

Воплощённая цепочка размышлений:

Рассуждение и действие параллельно
DM0.5 также добавляет 11 авторегрессионных задач рассуждения в обучение на данных роботов.
Модель обучается отвечать на ограниченные вопросы, используя текущее изображение, состояние робота, инструкции и исторический контекст. Эти вопросы охватывают следующее:

• Текущий этап задачи
• Что уже выполнено
• Какое действие следует выполнить дальше
• Как может измениться среда
• Намерение, стоящее за следующим действием
• Семантическое описание предстоящего действия

Это преобразует сигнал обучения из простого предсказания действия в комбинацию:

• Понимания инструкции
• Временного рассуждения
• Прогнозирования среды
• Генерации действия

На практике роботу нужно не только понимать, какую команду мотора следует выполнить при конкретном изображении, но и выражать, почему это действие уместно.

Это особенно важно для задачи, включающей 81 920 блоков. Система не может рассматривать каждое действие по размещению как отдельное событие, а должна связывать отдельное действие с прогрессом всего процесса строительства.

Слой выравнивания траекторий: обучение задаче, а не ритму оператора

Большинство данных демонстраций роботов собираются с помощью телеуправления человеком. Разные люди выполняют одну и ту же задачу с разной скоростью, паузами и стилем движения.

Если модель вынуждена выравнивать каждое предсказанное действие с фиксированными временными метками в записи демонстрации, она может выучить ритм оператора, а не основную задачу.

Слой выравнивания траекторий DM0.5 выравнивает действия в соответствии с прогрессом задачи, а не точным временем.
Каждое предсказанное действие сопоставляется с подходящей точкой в истинной траектории. Сопоставление должно монотонно продвигаться вперёд, поэтому последующие предсказанные действия не могут быть сопоставлены с более ранними частями демонстрации. Затем для поиска соответствий с низкими потерями во всей последовательности используется динамическое программирование.

Этот метод направлен на выделение важных физических событий, таких как:

• Захват
• Выравнивание
• Контакт
• Нажатие
• Отпускание

Индивидуальная скорость оператора становится менее важной, а значимая структура задачи становится более чёткой.

Dexmal утверждает, что это улучшает обобщение на разных операторах и скоростях выполнения.

Результаты DM0.5 на RoboChallenge Table30 V2

Демонстрация Великой стены является открытым публичным тестом. Dexmal также оценил DM0.5 на стандартизированных робототехнических бенчмарках.

На RoboChallenge Table30 V2 компания сообщает:

• 43% общего уровня успеха
• 54,42 общего балла
• Достижение передовой общей производительности среди опубликованных сравнений

Table30 V2 включает 30 реальных задач управления роботами, охватывающих четыре формы роботов. Этот бенчмарк включает долговременную память, многошаговое выполнение, целевое позиционирование, точный захват и размещение, использование инструментов и двуручную координацию.

Набор данных и структура оценки публично задокументированы через RoboChallenge и Hugging Face, а метод Table30 V2 был опубликован в виде статьи на семинаре CVPR 2026.

Эти результаты связаны с задачей Великой стены, поскольку оба сценария проверяют способность модели координировать восприятие, прогресс задачи, точные движения и физическое выполнение, а не просто распознавать объекты или генерировать текстовые инструкции.

Практика в мировой модели перед использованием на реальном роботе

Только сильная базовая модель недостаточна для поддержки 15-часовой публичной демонстрации.

Оригинальный отчёт указывает, что Dexmal также использовал фреймворк DFOL 2.0 на этапе пост-обучения. Этот фреймворк интегрирует мировую модель DW0.5, позволяя практиковать и совершенствовать части задачи в виртуальной или сгенерированной моделью среде перед полным развёртыванием на физическом оборудовании.

Основная идея заключается в том, чтобы позволить системе внутренне репетировать дорогостоящие действия.

Традиционная разработка роботов часто полагается на повторяющиеся физические эксперименты:

1. Запустить робота.
2. Наблюдать за сбоем.
3. Собрать больше данных.
4. Настроить модель.
5. Повторить на реальном роботе.

Этот процесс медленный и дорогой. Реальные роботы изнашиваются, физическое рабочее пространство нужно сбрасывать, каждая неудачная попытка тратит инженерное время.

Мировая модель может перенести часть экспериментов в симуляцию или наученные предсказания. Политика робота может тестировать возможные действия, оценивать вероятные результаты и улучшать выполнение задачи до того, как займёт драгоценное время реального робота.

Для крупной строительной задачи это сокращает количество проб и ошибок, которые необходимо выполнять на глазах у зрителей. Это также даёт команде способ репетировать процесс, исследовать возможные точки отказа и оставить реальное оборудование для финальной проверки.

Источник не предоставил публичную реализацию DFOL 2.0 и не уточнил, сколько из задачи с Великой стеной было выполнено в симуляции. Поэтому это описание следует понимать как объяснение Dexmal своего процесса пост-обучения, а не как независимо воспроизводимый результат.

От блоков до самой сложной части производства

Зачем использовать более 80 000 блоков?

Эти блоки создают компактный тест для нескольких способностей, критически важных для гибкого производства:

• Размещение с субмиллиметровой точностью
• Повторяемая точность в течение длительного времени
• Обработка визуально похожих мелких деталей
• Обнаружение и исправление ошибок
• Динамическое разделение труда
• Координация между разными типами роботов
• Стабильная работа в изменяющейся физической среде

Традиционные промышленные роботы очень эффективны, когда задачи повторяются, стандартизированы и жёстко контролируются. Но они менее гибки, когда положение объектов меняется, свойства материалов различаются или правильное действие зависит от визуального суждения.

Оригинальный отчёт утверждает, что часть производственной работы всё ещё выполняется людьми, потому что эти операции требуют тонкости, нестандартности, гибкости или сильно зависят от восприятия. Например:

• Точная сборка
• Обработка мягких или хрупких материалов
• Исправление дефектов
• Инспекция первых образцов
• Работа в тесном пространстве
• Обработка задач, различающихся от детали к детали

Точное утверждение о том, что такие задачи представляют собой «последние 20%» производства, следует рассматривать как формулировку из источника, а не как общепринятую отраслевую статистику.

Тем не менее, связь ясна. Великая стена является демонстрационным объектом, но проверяемые способности — точное манипулирование, непрерывная работа и многороботная координация — напрямую связаны с гибкими производственными линиями.

Как стартап, существующий 16 месяцев, смог этого достичь

Стенд на WAIC

Dexmal была основана в марте 2025 года. Оригинальная статья сообщает, что её основная команда включает бывших исследователей и инженеров Megvii и получила несколько раундов инвестиций.

Её заявленная миссия — создавать умных, полезных и заслуживающих доверия роботов.

Dexmal описывает своё техническое направление как воплощённое нативное развитие. Компания не адаптирует модели, ориентированные в первую очередь на интернет-текст или изображения, а обучает модели, исходя из потребностей работы роботов в физическом мире.

DM0 — их первая воплощённая нативная базовая модель. DM0.5 расширяет эту базу, обладая более длительной памятью, более сильными способностями к рассуждению, большим объёмом обучающих данных, поддержкой множества морфологий и улучшенной способностью к обобщению в открытом мире.

Компания также разработала инфраструктуру вокруг этой модели.

Dexbotic

Dexbotic — это набор инструментов с открытым исходным кодом на основе PyTorch для работы с визуально-языковыми-двигательными действиями. Он предоставляет унифицированную среду разработки для обучения и оценки различных стратегий VLA.

Фреймворк включает:

• Универсальный формат данных
• Реализацию модели
• Конвейер обучения
• Сервис инференса
• Поддержку различных роботизированных платформ
• Инструменты оценки в симуляции и реальном мире

Dexbotic доступен публично через официальную документацию и репозиторий на GitHub.

RoboChallenge

RoboChallenge — это масштабная платформа для оценки реальных роботов, разработанная совместно с Hugging Face.

Платформа направлена на то, чтобы сделать тестирование стратегий роботов более воспроизводимым, позволяя оценивать модели на общих физических задачах и аппаратных конфигурациях.

Её бенчмарки Table30 и Table30 V2 охватывают множество роботизированных морфологий и практических задач. Публичные наборы данных, статьи и ресурсы для оценки доступны через RoboChallenge и Hugging Face.

Atomix

Коммерческий портфель Dexmal также включает Atomix — гибкий бизнес по автоматизации складских помещений.

Согласно оригинальному отчёту, Atomix интегрирует процессы хранения, транспортировки и комплектации заказов, а также имел опыт сотрудничества с крупными клиентами в сфере розничной торговли, напитков и общественного питания. Заявления об этих клиентах и позициях на рынке основаны на данном отчёте и не были независимо проверены в данной статье.

DM0.5, Dexbotic, RoboChallenge и Atomix вместе составляют полную стековую стратегию:

1. Создание воплощённой базовой модели.
2. Предоставление инструментов для обучения и развёртывания.
3. Создание платформы для оценки реальных роботов.
4. Применение технологии в реальных бизнес-сценариях.

Великая Китайская стена из сборных кубиков стала самой заметной публичной демонстрацией полного стека технологий на WAIC 2026.

Фактическое содержание демонстрации

Публичный робототехнический вызов не доказывает, что проблема общего воплощённого ИИ решена.

Однако он действительно предоставляет полезный тест для множества способностей, которые обычно оцениваются по отдельности:

• Точное управление
• Длительная память
• Восстановление после ошибок
• Многороботная кооперация
• Координация гетерогенного оборудования
• Непрерывная работа
• Восприятие реального мира
• Рассуждение на уровне задач

Самая важная часть демонстрации — не сама стена. Это попытка заставить шесть физических машин работать совместно достаточно долгое время, чтобы выявить мелкие недостатки и проблемы координации.

Неизбежно.

Официальные материалы Dexmal по DM0.5 в конечном итоге указывают на то, что реальный мир должен быть лучшим учителем для робота. В этом видении каждая попытка, успех, неудача и исправление становятся новой информацией, помогающей системе совершенствоваться.

На Всемирной конференции по искусственному интеллекту 2026 года роботы собирают микро-кубики. Их долгосрочная цель — внедрить тот же замкнутый цикл обучения и выполнения в производство, логистику, сервис и другие рабочие среды, где задачи не могут быть полностью запрограммированы заранее.

Часто задаваемые вопросы

Сколько роботов участвовало в «Стене»?

Всего участвовало шесть роботов: четыре настольных и два колёсных гуманоида. Они сотрудничали в одном физическом пространстве, выполняя различные этапы строительства.

Сколько кубиков было использовано?

Модель использовала 81 920 микро-кубиков. Конструкция имела длину около 3,5 метров, ширину около 1,5 метра и высоту в самой высокой точке около 1,1 метра.

Как долго длился робототехнический вызов?

Запланированная продолжительность непрерывной работы составляла 15 часов. Вызов был направлен на проверку способности роботов сохранять точность и координацию в течение длительных физических действий.

Были ли роботы под дистанционным управлением?

Первоначальный отчёт показывает, что роботы не находились под постоянным дистанционным управлением и не полагались на полностью фиксированные сценарии движений. Они использовали восприятие, локальное принятие решений, коммуникацию и способности к исправлению ошибок, однако источник не содержит независимой полной технической проверки настроек операции.

Что такое DM0.5?

DM0.5 — это базовая модель визуально-языковых-двигательных действий для управления роботами в открытом мире, разработанная Dexmal. Она использует визуально-языковую магистраль Gemma 3 4B, модуль действий эксперта на 680M, моделирование исторического контекста, задачи воплощённого рассуждения и технику выравнивания траекторий.

Является ли DM0.5 открытым исходным кодом?

Dexmal опубликовала репозиторий кода OpenDM по лицензии Apache 2.0, а также ресурсы модели DM0.5 через Hugging Face. Репозиторий включает веса модели, скрипты для обучения и инференса, примеры наборов данных и рабочие процессы оценки.

Что такое RoboChallenge Table30 V2?

Table30 V2 — это бенчмарк для реальных роботов, включающий 30 задач по манипуляции с четырьмя роботизированными морфологиями. Оцениваемые способности включают длительную память, последовательное выполнение, точные операции, взаимодействие с инструментами и координацию двумя руками.

Доказывает ли демонстрация на Всемирной конференции по ИИ, что роботы могут заменить оставшийся ручной труд на фабриках?

Нет. Демонстрация показывает прогресс в точности, длительности работы и координации роботов, но не доказывает, что все задачи гибкого производства уже готовы к автоматизации. Фактические производственные среды требуют дополнительной проверки безопасности, надёжности, интеграции, стоимости и обслуживания.

Связанные инструменты

• OpenDM: Репозиторий кода Dexmal с открытым исходным кодом для весов модели DM0.5, обучения, инференса и рабочих процессов развёртывания.
• DM0.5 на Hugging Face: Официальный набор ресурсов базовой и доработанной моделей DM0.5.
• Dexbotic: Набор инструментов с открытым исходным кодом на PyTorch для разработки и оценки визуально-языковых-двигательных моделей.

Документация Dexbotic: Предоставляет официальные руководства по установке, архитектуре, обучению, данным, инференсу и разработке моделей.

• RoboChallenge: Платформа для оценки воплощённых стратегий на реальных роботах.
• Набор данных Table30 V2: Страница публичного набора данных обновлённого бенчмарка для реальных роботов, включающего 30 задач.

Связанные ссылки

• Официальный технический блог DM0.5: Подробное описание модели, данных, архитектуры и результатов бенчмарка от Dexmal.
• Репозиторий OpenDM на GitHub: Официальная реализация с открытым исходным кодом и документация по развёртыванию.
• Коллекция DM0.5 на Hugging Face: Официальные контрольные точки модели и варианты доработки.
• Официальный сайт RoboChallenge: Сайт проекта масштабной оценки реальных роботов.
• Статья Table30 V2 на семинаре CVPR 2026: Статья, описывающая обновлённый бенчмарк для реальных роботов.
• Документация Dexbotic: Официальная документация фреймворка разработки VLA с открытым исходным кодом.
• [Must-see exhibits on 2026 World AI Conference](https://english.shanghai.gov.

Китай (Шанхай) официально подтвердил, что шесть роботов в течение 15 часов работали над макетом Великой Китайской стены на выставочном стенде.
Ссылка:
cn/en-ParticipateExplore/20260717/36193160d9d94efb9c0aa5fa4fbed5fd.html

Резюме

На Всемирной конференции по искусственному интеллекту 2026 года шесть роботов Dexmal беспрерывно работали в течение 15 часов, собирая модель Великой Китайской стены из 81 920 микроскопических кубиков. Эта задача продемонстрировала возможности субмиллиметрового позиционирования, многороботной координации, длительных циклов работы и замкнутого контура коррекции ошибок.

Демонстрация была выполнена на основе открытой базовой модели воплощённого интеллекта Dexmal — DM0.5. Ключевые новые возможности включают: контекстную память длительностью до 60 секунд, задачи воплощённого рассуждения и технологию выравнивания траекторий, способную снижать влияние различий в скорости удалённого управления человеком.

Dexmal также применил технику пост-тренировки на основе мировой модели и связал эту демонстрацию со своим более широким портфелем продуктов: OpenDM, Dexbotic, RoboChallenge и решениями для автоматизации складов. Следует отметить, что некоторые заявления о производительности и позиционировании на рынке являются собственными утверждениями компании и не были независимо проверены.

Великая Китайская стена — лишь средство демонстрации. Настоящий вызов в том, сможет ли воплощённый ИИ сохранять точность, координацию и практическую полезность на протяжении целой рабочей смены.