商傳媒｜葉安庭／綜合外電報導

日本機器人公司 Telexistence, Inc.（一家開發零售服務機器人的日本公司）正與 AWS 合作，將前沿的 AI 世界模型（World Action Model, WAM）導入便利商店，目標是讓機器人能像人類一樣具備「想像力」，預測行動結果，進而革新零售作業。這項名為 DreamZero 的實驗，旨在提升零售機器人處理複雜任務的能力。

Telexistence 目前已在日本多家大型便利商店部署了超過 300 台機器人，負責收銀掃描、商品包裝和貨架補貨等工作。這些現有機器人運行在 Vision-Language-Action (VLA) models（一種將觀察直接映射到馬達指令，讓機器人能即時反應的 AI 模型）之上。然而，VLA 模型缺乏預測未來行動後果的能力。為此，Telexistence 尋求與 AWS Generative AI Innovation Center (一個協助客戶利用生成式 AI 技術的單位) 合作，共同開發輝達的 DreamZero World Action Model，希望能解決此限制。

世界模型（WAM）是近年機器人 AI 的新方向，它能預測未來的攝影機視角與機器人動作，為機器人行動提供更豐富的脈絡，猶如賦予機器人「想像」能力。輝達的 DreamZero 便是一個擁有 140 億個參數的 WAM，能同時生成動作軌跡和多攝影機的未來影片。此次概念驗證 (PoC) 的目的，便是評估 DreamZero 在實際零售任務中的表現是否優於現有的 VLA 模型。

為了實現此目標，團隊在 AWS 上建置了一套完整的雲端原生處理流程，用於 DreamZero 的微調與評估。這套流程涵蓋了資料格式轉換、基於生成式 AI 的資料清理，以及在 Amazon EC2 (亞馬遜提供的雲端虛擬伺服器平台) 上進行分散式微調。其中，資料清理採用多代理（multi-agent）生成式 AI 管線，透過運動代理（Movement Agent）和環境代理（Environment Agent）自動偵測機器人閒置與環境異常，成功標記出約 39.3% 的嘈雜資料。

實驗結果顯示，DreamZero 在模擬環境下，針對特定任務的成功率可達 45%。同時，藉由 Amazon EC2 p6 實例（配備 8 顆輝達 NVIDIA B200 GPUs），其推論速度比 Amazon EC2 g7e 實例（配備 Nvidia RTX Pro 6000 Blackwell Workstation Edition）快約 8 倍，單步推論延遲穩定在約 583 毫秒。然而，當使用真實世界的資料進行微調並在模擬環境中評估時，成功率卻降至 0%，凸顯了虛實之間的巨大落差，即模型在真實世界中的表現仍面臨挑戰。

Telexistence 技術長 Genki Sano 表示，這項與 AWS Generative AI Innovation Center 合作的實驗，讓團隊在數週內便建立起完整的雲端管線。他強調，這項合作清楚揭示了 DreamZero 的優勢與現實世界應用中的限制，所獲得的清晰資訊遠比單純的基準測試數據更有價值。這項嚴謹的雲端規模評估流程，未來也將可重複應用於其他機器人基礎模型開發。