Lar
O Grande Modelo Embutido Doméstico Wall-OSS-0.5 Faz Grande Sucesso com o Código Aberto: Implantação Zero-Shot Após o Pré-treinamento
Em maio de 2026, o setor de inteligência encarnada da China alcançou um marco significativo com o lançamento de código aberto pelo X Square Robot de seu mais recente modelo Vision-Language-Action (VLA), Wall-OSS-0.5. Rompendo com a norma da indústria de ajuste fino pré-avaliação, este modelo permite a implantação zero-shot em robôs físicos sem ajustes específicos para tarefas.

Mudança de Scripts Personalizados para Inteligência Geral
O campo da inteligência encarnada há muito luta com uma limitação oculta: a maioria dos modelos requer extenso ajuste fino para tarefas específicas antes da avaliação, tornando difícil distinguir entre generalização verdadeira e mero comportamento roteirizado.
O X Square Robot aborda isso com o Wall-OSS-0.5. Pré-treinado em mais de 20 tipos de robôs, milhões de conjuntos de dados de trajetória e um corpus multimodal de 90 milhões de entradas, o modelo foi implantado diretamente em robôs reais sem ajuste fino específico para tarefas. A equipe avaliou seu desempenho em 17 tarefas complexas, incluindo compreensão semântica, manipulação de objetos rígidos e flexíveis e operações de precisão.
Destaques Principais: Um Grande Salto no Pré-treinamento
Os resultados dos testes demonstram que o Wall-OSS-0.5 supera as expectativas atuais:
Implantação Zero-Shot: Sem ajuste fino, uma versão com 400 mil etapas de pré-treinamento obteve pontuação acima de 80/100 em quatro das 17 tarefas zero-shot. Notavelmente, ela alcançou uma pontuação de 82 na tarefa "apertar a corda", um desafio de objeto flexível não encontrado durante o pré-treinamento.
Potencial de Ajuste Fino Aprimado: Quando o ajuste fino direcionado é aplicado, o Wall-OSS-0.5 mostra eficiência de aprendizado excepcional. Em comparação com a referência da indústria π0.5, ele lidera por uma média de 17,5 pontos sob o mesmo orçamento de dados, com tarefas de precisão como inserção precisa mostrando melhoria de quase uma ordem de magnitude nas taxas de sucesso.
Evolução de Capacidade, Não Degradação: Os experimentos revelam que, após o treinamento intensivo de ações, as capacidades de percepção multimodal do modelo permanecem intactas e passam por uma evolução "reformista" no posicionamento visual e no raciocínio.
Quatro Tecnologias Fundamentais Estabelecem Vantagem Competitiva
O desempenho do Wall-OSS-0.5 decorre de quatro inovações fundamentais:
Ponte de Gradientes: Ao injetar sinais de supervisão de ação diretamente no backbone do pré-treinamento, o modelo unifica "ver, falar e agir" no nível de representação.
Tokenizador de Alinhamento Visual: Isso garante que cada token de ação carregue semântica visual clara, concedendo ao modelo capacidades genuínas de inferência com "significado físico".
Supervisão do Espaço de Ação: O treinamento foca na estrutura geral da trajetória em vez de detalhes triviais de alta frequência, aumentando significativamente a eficiência da convergência.
Otimização Distribuída DMuon: Otimizações de sistema de baixo nível reduziram os custos de computação heterogênea em 100 vezes, tornando esta fórmula de treinamento complexa viável em clusters de grande escala.
Uma Nova Era para a Inteligência Encarnada
O X Square Robot disponibilizou totalmente como código aberto os pesos do modelo, o código de treinamento e as interfaces do conjunto de dados do Wall-OSS-0.5.
Analistas da indústria observam que este lançamento redefine o paradigma de desenvolvimento da inteligência encarnada, deslocando o foco das "taxas de sucesso em tarefas únicas" para a "transferência de intuição física geral". Para pesquisadores e desenvolvedores, isso marca o início de uma nova fase para os modelos fundamentais — definida por "reprodutibilidade, verificabilidade e desafiabilidade" — o que acelerará significativamente a implantação de robôs de propósito geral em ambientes do mundo real complexos.
Artigo relacionado
Agentes de IA violam a Sandbox do Hugging Face com Registro Autônomo de Ataque e Defesa
Recentemente, Hugging Face publicou uma cronologia técnica abrangente detalhando uma ampla divulgação sobre uma violação envolvendo um agente de IA. O sistema autônomo, desenvolvido com o uso de modelos da OpenAI, executou aproximadamente 17.600 oper
Últimas 24 horas para expor na TechCrunch Disrupt 2026
As reservas de mesas para exposição expiram hoje à noite, sexta-feira, 18 de setembro, às 23h59 (horário do Pacífico). Após esse prazo, você não poderá mais adicionar sua startup à Sala de Exposições.As mesas são limitadas e alocadas por ordem de che
Doubao Mobile lança o Nubia NaviX Ultra, comercializado como o primeiro smartphone de ponta com agente de IA do mundo
Ni Fei, CEO da Navea, revelou que o smartphone Doubao de próxima geração, comercializado como "Navea NaviX Ultra", será lançado em setembro. Posicionado como o primeiro flagship de agente inteligente de IA do mundo, ele marca um marco significativo.
Recomendações de tópicos especiais relacionados
Comentários (0)
Em maio de 2026, o setor de inteligência encarnada da China alcançou um marco significativo com o lançamento de código aberto pelo X Square Robot de seu mais recente modelo Vision-Language-Action (VLA), Wall-OSS-0.5. Rompendo com a norma da indústria de ajuste fino pré-avaliação, este modelo permite a implantação zero-shot em robôs físicos sem ajustes específicos para tarefas.

Mudança de Scripts Personalizados para Inteligência Geral
O campo da inteligência encarnada há muito luta com uma limitação oculta: a maioria dos modelos requer extenso ajuste fino para tarefas específicas antes da avaliação, tornando difícil distinguir entre generalização verdadeira e mero comportamento roteirizado.
O X Square Robot aborda isso com o Wall-OSS-0.5. Pré-treinado em mais de 20 tipos de robôs, milhões de conjuntos de dados de trajetória e um corpus multimodal de 90 milhões de entradas, o modelo foi implantado diretamente em robôs reais sem ajuste fino específico para tarefas. A equipe avaliou seu desempenho em 17 tarefas complexas, incluindo compreensão semântica, manipulação de objetos rígidos e flexíveis e operações de precisão.
Destaques Principais: Um Grande Salto no Pré-treinamento
Os resultados dos testes demonstram que o Wall-OSS-0.5 supera as expectativas atuais:
Implantação Zero-Shot: Sem ajuste fino, uma versão com 400 mil etapas de pré-treinamento obteve pontuação acima de 80/100 em quatro das 17 tarefas zero-shot. Notavelmente, ela alcançou uma pontuação de 82 na tarefa "apertar a corda", um desafio de objeto flexível não encontrado durante o pré-treinamento.
Potencial de Ajuste Fino Aprimado: Quando o ajuste fino direcionado é aplicado, o Wall-OSS-0.5 mostra eficiência de aprendizado excepcional. Em comparação com a referência da indústria π0.5, ele lidera por uma média de 17,5 pontos sob o mesmo orçamento de dados, com tarefas de precisão como inserção precisa mostrando melhoria de quase uma ordem de magnitude nas taxas de sucesso.
Evolução de Capacidade, Não Degradação: Os experimentos revelam que, após o treinamento intensivo de ações, as capacidades de percepção multimodal do modelo permanecem intactas e passam por uma evolução "reformista" no posicionamento visual e no raciocínio.
Quatro Tecnologias Fundamentais Estabelecem Vantagem Competitiva
O desempenho do Wall-OSS-0.5 decorre de quatro inovações fundamentais:
Ponte de Gradientes: Ao injetar sinais de supervisão de ação diretamente no backbone do pré-treinamento, o modelo unifica "ver, falar e agir" no nível de representação.
Tokenizador de Alinhamento Visual: Isso garante que cada token de ação carregue semântica visual clara, concedendo ao modelo capacidades genuínas de inferência com "significado físico".
Supervisão do Espaço de Ação: O treinamento foca na estrutura geral da trajetória em vez de detalhes triviais de alta frequência, aumentando significativamente a eficiência da convergência.
Otimização Distribuída DMuon: Otimizações de sistema de baixo nível reduziram os custos de computação heterogênea em 100 vezes, tornando esta fórmula de treinamento complexa viável em clusters de grande escala.
Uma Nova Era para a Inteligência Encarnada
O X Square Robot disponibilizou totalmente como código aberto os pesos do modelo, o código de treinamento e as interfaces do conjunto de dados do Wall-OSS-0.5.
Analistas da indústria observam que este lançamento redefine o paradigma de desenvolvimento da inteligência encarnada, deslocando o foco das "taxas de sucesso em tarefas únicas" para a "transferência de intuição física geral". Para pesquisadores e desenvolvedores, isso marca o início de uma nova fase para os modelos fundamentais — definida por "reprodutibilidade, verificabilidade e desafiabilidade" — o que acelerará significativamente a implantação de robôs de propósito geral em ambientes do mundo real complexos.
Agentes de IA violam a Sandbox do Hugging Face com Registro Autônomo de Ataque e Defesa
Recentemente, Hugging Face publicou uma cronologia técnica abrangente detalhando uma ampla divulgação sobre uma violação envolvendo um agente de IA. O sistema autônomo, desenvolvido com o uso de modelos da OpenAI, executou aproximadamente 17.600 oper
Últimas 24 horas para expor na TechCrunch Disrupt 2026
As reservas de mesas para exposição expiram hoje à noite, sexta-feira, 18 de setembro, às 23h59 (horário do Pacífico). Após esse prazo, você não poderá mais adicionar sua startup à Sala de Exposições.As mesas são limitadas e alocadas por ordem de che
Doubao Mobile lança o Nubia NaviX Ultra, comercializado como o primeiro smartphone de ponta com agente de IA do mundo
Ni Fei, CEO da Navea, revelou que o smartphone Doubao de próxima geração, comercializado como "Navea NaviX Ultra", será lançado em setembro. Posicionado como o primeiro flagship de agente inteligente de IA do mundo, ele marca um marco significativo.











