多模态理解
在同一上下文中理解自然语言、图像、视频、三维空间、触觉与机器人本体状态。
6 类模态ZX EMBODIED FOUNDATION MODEL · 3.0
一个大模型，
驱动每种机器形态。
智械具身大模型将感知、推理、规划与控制连接起来，让机器人理解开放世界，并把人的意图转化为安全、可靠的行动。探索模型 API →
MODEL ARCHITECTURE
从世界理解，到真实执行。
视觉 / 语言 / 触觉多模态编码器世界模型任务规划器动作 / 控制 / 反馈
任务规划
把开放式指令拆解为可验证的技能序列，动态处理失败、约束和环境变化。
128 步规划视觉—动作生成
从第一视角观察直接预测末端轨迹、抓取姿态和全身协同动作。
30 Hz 策略持续学习
把真实执行数据回流到仿真与训练系统，在安全评估后获得新技能。
4,200+ 技能DATA ENGINE
真实数据与仿真世界，共同训练。
智械数据引擎融合遥操作、真实任务日志、程序化仿真和互联网视频，并使用自动质量评估与隐私清洗形成可追溯训练集。28M机器人任务片段6.4B多模态训练 Token12,000+并行仿真环境
SAFETY FIRST
模型提出行动，
安全系统决定能否执行。
01动作边界验证02人机距离约束03工具权限控制04异常状态回退