理想交出具身智能第一份全家桶：记忆、认知、行动三件套，外加一条第三方泼的冷水
理想 Foundation Model 团队连发四份技术报告，把具身智能系统 ME-Brain-1.0、统一世界动作模型 ME-U0、认知模型 ME-VLM 和触觉方案 ME-Dex-1.0 一次性交齐。指标全面领先的同时，第三方复看视频发现夹爪停顿与偶发抓取失误——这份「全家桶」的成色，要看两拨人的账怎么对。
- 一次交四份作业：理想 Foundation Model 团队发布 ME-Brain-1.0 具身智能系统、ME-U0 统一理解与生成世界动作模型、ME-VLM 认知模型（35B-A3B MoE + 4B 边缘版）与触觉方案 ME-Dex-1.0。
- 端侧落地有实数：ME-VLM 4B 在自研马赫 M100 芯片上完成部署优化，预填充时延从约 400ms 降到 188ms（token 压缩 + W4A8 量化）。
- 模型指标（厂商口径）：ME-U0 从约 4200 小时过滤数据预训练，标准 LIBERO 平均成功率 99.1%、LIBERO-Plus 81.8%、RoboDojo-Sim 过程分 17.66。
- 第三方冷水：Robot Forward 等第三方复看演示视频指出，脚本场景成功之外仍存在夹爪停顿、偶发抓取失误、开放任务未完成——指标与观感之间有落差。
- 判断：这批发布的真正信号不是跑分，是车企把「车端芯片 + 具身系统」打包成了一条可复用路线。
理想的具身智能研发在 9 月 22 日集中交卷：ME-Brain-1.0 搭建记忆、认知与行动协作的系统框架；ME-VLM 提供认知核心；ME-U0 把任务理解、未来预测与动作生成放进一个统一模型；ME-Dex-1.0 把触觉纳入预测范围。四份工作不是四个产品，而是同一个系统的四层解剖。
先看最容易被忽视的记忆部分。理想把机器人经历存进独立于模型上下文窗口的外部记忆结构：近期图像、动作与状态进短期记忆；抓取、放置、失败等关键事件进中期记忆；反复出现的成功条件与失败模式沉淀为可跨任务复用的长期经验，且各层记录之间保留关联。演示里那句「把桌面恢复成之前的样子」，靠的就是从记忆中找回物品原位——这类任务没有记忆结构就做不成。
ME-Brain 的记忆、认知、行动三大模块都完成了向理想自研马赫 M100 边缘 SoC 的迁移。官方部署笔记给出实数：ME-VLM 4B 经 token 压缩与 W4A8 量化，M100 上预填充时延从约 400ms 降至 188ms。认知核心提供 35B-A3B MoE 大核与 4B 边缘版两档，官方自测中大核在具身套件平均约 70.9 分、智能体套件 72.5 分。
ME-U0 从约 5700 小时机器人数据与 3920 小时第一视角数据的原始池中，筛出约 4200 小时用于预训练，架构上采用理解与生成双专家加多速率旋转位置编码，让视觉隐变量与动作 token 在时间轴上对齐。官方指标：标准 LIBERO 平均成功率 99.1%，未经专门适配的 LIBERO-Plus 为 81.8%，RoboDojo-Sim 过程分 17.66（参与对比的世界动作模型中）。
演示侧，理想给出「无剪辑一小时连续抓万物真机测试」：覆盖上百种形状、尺寸、材质，期间切换 23 次灯光与 15 次桌布背景，宣称成功率 100%；另有一个 15 步、约 4 分钟的手冲咖啡长程任务，系统边做边语音与界面同步汇报进度。
Pandaily 在技术拆解中专门引用了第三方观察：包括 Robot Forward 报道（凤凰科技转载）在内的复看指出，即便在脚本化场景成功的前提下，演示视频中仍可见夹爪明显停顿、偶发抓取失误、部分开放式任务未完成。理想自己的表述也承认「抓起和放下时夹爪停顿明显，流畅性还有提升空间」。
在小鹏（212 号稿的供应链大会、IRON 量产推进）之后，理想成为第二家把「系统 + 模型 + 芯片 + 触觉」打包发布的车企。两家路径的共同点是：不单独卖机器人本体，而是把自动驾驶时代攒下的数据管线、模型工程与车规芯片，重组为机器人的基础设施层。