Élő éttermi konyhában tesztelte fizikai AI-modelljét a Quant Group

Négy feladat valós konyhai környezetben

A Quant Group közlése szerint a teszteket valódi, kereskedelmi célú éttermi konyhában, változó körülmények között és ismételt ellenőrzéssel hajtották végre. A négy új demonstráció a kézzel döngölt citromos tea, a leveles lepénykenyér, a pirított reszelt burgonya és a tojáslepény elkészítését vizsgálta.

A citromos tea készítésénél a robot egyik karja a poharat stabilizálta, miközben a másik ismétlődő döngölő mozdulatokat végzett. A Quant Group szerint a kétkarú koordinációt egy RSI nevű, önfejlesztő visszacsatolási kör támogatta, amely rögzítette a mozgásokat, felismerte az eltéréseket, majd módosította a ritmust.

A leveles lepénykenyér elkészítése 22 egymást követő műveletből állt. A közlemény szerint a rendszernek követnie kellett a folyamat állását és a következő eszközt. A globális tervezést és a kivételek kezelését a System 2, a valós idejű végrehajtást pedig a System 1 végezte.

Eltérő anyagok és folyamatos zavarok kezelése

A pirított reszelt burgonya készítésénél a robotnak a wokban folyamatosan változó helyzetekre kellett reagálnia. A csúszós burgonyaszálak könnyen elmozdulhatnak áthelyezés közben, miközben az egyik kar a wokkal, a másik a spatulával dolgozik. A feladat viszonylag kevés lépésből áll, de gyakori fizikai zavarokat és nagyon pontos időzítést igényel.

A tojáslepény próbája az anyagok közötti általánosítást vizsgálta. A nagy viszkozitású tésztánál előre kellett jelezni a folyadék áramlását, a különböző méretű mogyoródarabokat pedig pontosan kellett elhelyezni. A puha lepény összehajtása folyamatos, precíz erőszabályozást igényelt.

A vállalat szerint ezek a tesztek a fizikai AI-alapmodell azon képességét vizsgálják, hogy a megtanult készségeket eltérő tárgyak és feladatok esetén is át tudja vinni.

A Quant Group modellalapú megközelítést céloz

A hongkongi tőzsdén jegyzett Quant Group nem robotokat gyárt, hanem olyan, nyílt fizikai világmodell fejlesztésén dolgozik, amely több forgatókönyvben és különböző robotplatformokon is használható. A vállalat a szoftvert elválasztja a hardvertől, így ugyanaz az alapmodell többféle eszközön futhat.

A közlemény a fizikai AI egyik kulcskérdéseként azt emeli ki, hogy egyetlen modell képes-e készségeket átvinni különféle feladatokra, anyagokra és fizikai zavarokra. A következő lépés a konyhai környezeten kívüli, többféle hardverplatformon történő felhasználás lehet.

A vállalat szerint a valós konyha azért fontos tesztkörnyezet, mert annak összetett, rendezetlen feltételei nem reprodukálhatók teljes körűen szimulációban. Minden új próba valódi fizikai interakciókból származó adatot termel, amelyet a Quant Group idővel épít fel.

E-kereskedelmi üzletág finanszírozza a fejlesztést

A Quant Group közlése szerint e-kereskedelmi üzletága biztosítja a fizikai AI fejlesztésének finanszírozását. A vállalat 2025-ben 1,035 milliárd jüan bevételt és 195 millió jüan nettó profitot jelentett, miközben Yangxiaomie platformjának bruttó árumennyisége meghaladta a 10 milliárd jüant. A 2025-ös nettó profit éves összevetésben 32,6 százalékkal nőtt.

A júliusi részvénykibocsátásból származó források 30 százalékát a fizikai AI-alapmodell kutatására és fejlesztésére, további 40 százalékát intelligens hardverek kereskedelmi bevezetésére fordították. A közleményben idézett Frost & Sullivan előrejelzése szerint a fizikai AI éves összetett növekedési üteme 47,2 százalék lehet, a kapcsolódó globális piac pedig 2040-re elérheti a 3,25 billió dollárt.

A mostani konyhai próbák így a Quant Group számára annak bemutatását szolgálják, hogy a fizikai AI-rendszer valós, rendezetlen környezetben, többféle anyaggal és eszközzel is működtethető. A vállalat további célja a képességek kiterjesztése az éttermi feladatokon túl.