KEENON Robotics正式推出全球首款服務業自主開發的VLA模型:KOM 2.0(KEENON操作員模型2.0)

  • 發佈時間:2025年9月26日

隨著今年XMAN類人系列的推出,KEENON Robotics正式發佈 KOM 2.0(KEENON Operator Model 2.0)是世界上第一個專門為服務業設計的VLA模型。 KOM 2.0為具身智慧設定了新的工業標準,使機器人能够在複雜的現實世界服務場景中感知、理解和行動。

KOM 2.0的覈心是結合了 K-Mind系統(思維系統) 用於高級任務規劃 K-Act系統(動作系統) 用於精確的運動執行。 K-Mind系統由基於VLM的多模態大型模型提供動力,並利用 K-Infinity情境學習,允許機器人感知環境、解釋任務並做出智慧決策。 K-Act系統經過大量真實機器人案例的訓練,可以產生平穩可靠的動作。 這些系統共同為下一代KEENON機器人提供了堅實的基礎。

KEENON在KOM 2.0的基礎上,以“角色導向”的概念邁出了開創性的一步,通過 KEENON ProS專業垂直模型。 ProS是一個針對特定服務角色量身定制的深度、特定領域的模型,提高了通用機器人在垂直場景中的適用性和效率。 這使得機器人能够在餐廳、飯店和零售環境中掌握任務,從而能够快速部署特定角色的專業知識。

文章內容
KEENON K-Mind&K-Act系統

K-Mind系統與K-Act系統:思維與行為的和諧

KOM 2.0的雙系統設計反映了人類的認知:

  • K-Mind系統:高級思維,理解複雜的環境,解釋自然語言,並計畫複雜的策略。
  • K-Act系統:執行由K-Mind和機器人當前狀態引導的精確、連續的動作,在廣泛的真實機器人案例中進行訓練。

通過非同步思考和行動,KOM 2.0實現了智慧決策和敏捷執行,確保了可靠的任務規劃,同時保持了流暢、人性化的效能。

文章內容
K-Infinity情境學習集,基於現實世界的服務互動

K-Infinity情境學習:場景驅動的服務專業化

KOM 2.0的能力源於數億次真實世界的服務互動,這些互動是從在真實環境中運行的KEENON機器人收集的。 這是建立在KEENON專有的多模態感知和環境重建科技之上的,該科技能够創建高度逼真的數位服務場景。 通過在這些數位場景中進行物理模擬互動,為KOM模型的訓練和演化奠定了堅實的基礎。

通過K-Infinity情境學習集——在此基礎上構建,具有很强的真實性、多樣性和商業相關性——機器人在現實世界場景中互動、學習和進化,獲得真實、多樣和商業相關的知識。 它為模型的魯棒性和泛化能力提供了强有力的支持。

這形成了一個持續的學習迴圈——場景體驗、模型演化、部署、迴響和優化——創造了一個自我强化的飛輪效應,加速了模型演化。 囙此,KOM 2.0具有廣泛的適應性,並在商業服務環境中表現出非凡的彈性,包括高頻互動、意外干擾和動態變化。

文章內容
KEENON運營模式的第二代

KOM 2.0模型:面向更通用的服務機器人未來

  • 更深入的環境認知:突破傳統的識別限制,實現從物體到意圖的感知、行為預測和場景語義重建,真正使機器人能够感知、理解和行動。
  • 更快的實时決策:毫秒級響應可處理動態障礙、臨時任務和多機器人協調,確保平穩可靠的操作迴圈。
  • 更人性化的互動:支持安全、擬人化的動作和精確的執行,改善用戶體驗,使機器人成為更專注、更可靠的合作夥伴。
  • 高效的可擴展部署:强大的適應性减少了場景定制和手動調整,實現了快速複製、靈活擴展和順利的商業推廣。

KEENON ProS:讓嵌入式服務機器人更專業

KEENON利用對垂直行業的深入洞察,通過以角色為導向的戰畧擴展了KOM 2.0,嵌入了特定角色的知識,並使用行業知識圖對模型進行了微調。 ProS垂直模型涵蓋了餐飲、飯店、醫療保健和零售等多種場景,包括收銀員、食品管理員和前臺等角色。 ProS體現了KEENON的行業智慧和商業價值。

看KEENON人形機器人在行動

通過綜合多類型、特定角色的機器人組合,KEENON實現了跨場景任務轉移和泛化,縮短了部署週期,降低了啟動成本。 覈心優勢包括:

  • 為特定角色預裝專家功能,提供效率、精度和穩定性。
  • 深度場景滲透,用於處理動態、非結構化任務,多機器人合作完成完整的操作工作流程。
  • 為客戶提供快速部署和高效運營,支持可擴展的業務推出。
文章內容
KEENON家族與解決方案

KOM 2.0的推出標誌著機器人智慧的一次飛躍,使機器人能够在現實世界的服務場景中準確感知、理解和行動。 KEENON Robotics將繼續推進其多模式機器人產品組合,包括通用和特定角色的機器人,增强其多模式智慧能力,並與全球合作夥伴合作,在全球範圍內擴展嵌入式智慧科技。

推薦新聞