De acordo com pt.wedoany.com-A Riemann Dynamics, empresa chinesa, lançou o modelo de mundo para operação robótica Riemann-1.0, que alcançou uma taxa de sucesso de 62,6% no benchmark de simulação doméstica de alta dificuldade RoboCasa-365, amplamente reconhecido no setor, superando o melhor resultado anterior em 8,4 pontos percentuais. O treinamento do modelo utilizou 232 mil horas de dados, sendo a maior parte composta por vídeos em primeira pessoa humana.
A Riemann Dynamics é uma subsidiária da Kunlun Tech, dedicada especificamente à área de inteligência incorporada. O Riemann-1.0 foi lançado pela primeira vez na WAIC 2026, e sua abordagem técnica consiste em aprender as regras de interação do mundo físico a partir de uma vasta quantidade de vídeos humanos não anotados, e então usar uma pequena quantidade de dados robóticos para alinhar as ações, alcançando controle universal entre diferentes corpos robóticos. O modelo demonstrou capacidade de transferência da simulação para robôs reais em operações específicas, como na tarefa de arrumar a mesa, realizando etapas consecutivas como pegar uma colher fina, despejar o caldo e limpar a superfície.
Em termos de composição dos dados, o conjunto de treinamento do Riemann-1.0 inclui 200 mil horas de vídeos em primeira pessoa humana, 12 mil horas de dados UMI e de luvas exoesqueleto, e 20 mil horas de trajetórias reais e simuladas de robôs, abrangendo 41 tipos de corpos robóticos e milhares de formas de interação. A equipe desenvolveu internamente um pipeline automatizado de processamento de dados, que converte vídeos humanos em sinais de ação legíveis por máquina por meio de etapas como correção de imagem, segmentação de rótulos de ação por VLM, triagem de controle de qualidade e reconstrução de pose 3D das mãos. O modelo é baseado em uma arquitetura de difusão, adotando uma estrutura de modelagem conjunta de ação-vídeo totalmente causal, e passa por um treinamento em três estágios — com peso de perda de ação de 0,1 no primeiro estágio, 0,5 no segundo e 0,9 no terceiro — fazendo uma transição suave da compreensão do mundo para a execução de ações.
Experimentos de ablação validaram o valor dos dados de vídeo humano: apenas no RoboCasa-365, a taxa de sucesso do treinamento básico foi de 38,2%; a adição de dados robóticos elevou para 43,4%; a inclusão de dados UMI aumentou para 48,2%; e, finalmente, a introdução de dados de vídeo humano fez a taxa de sucesso saltar para 62,6%. No benchmark EgoVLA, dedicado a robôs humanoides bimanuais, a taxa de sucesso em tarefas de longo prazo com múltiplas etapas aumentou de 42,96% para 71,11%, e em cenários visuais completamente desconhecidos, de 26,36% para 43,33%.
Na avaliação de simulação, o Riemann-1.0 alcançou uma taxa de sucesso de 99,0% no LIBERO, 94,3% no RoboTwin 2.0 e 62,6% no RoboCasa-365, ficando em primeiro lugar. Para validar o desempenho em robôs reais, a equipe montou quatro tipos de cenários domésticos típicos: empilhamento ordenado de blocos, dobra de tecidos flexíveis, organização de objetos sobre a mesa e arrumação de utensílios de cozinha. Dados de demonstração foram coletados por teleoperação manual e treinados em conjunto. Em comparação com modelos de base de código aberto no mesmo ponto de partida, o Riemann-1.0 obteve uma taxa média de sucesso de 85,00% e um grau de conclusão de processo de 94,43%, ambos em primeiro lugar, liderando o melhor modelo de código aberto por 15 pontos percentuais, com um grau de conclusão de processo acima de 91% em cada tarefa.
A Kunlun Tech também exibiu na WAIC 2026 o modelo de mundo Matrix-3.5, o modelo de música AI Mureka v9.5 e o Riemann-1.0. Estender a capacidade de geração do mundo digital para a interação com o mundo físico é visto como um caminho inevitável para alcançar a Inteligência Artificial geral. A Riemann Dynamics, operando como uma subsidiária independente, visa permitir que a equipe principal obtenha recursos dedicados de forma independente para garantir investimento técnico de longo prazo.
