HiDream-O1-Embodied memuncaki papan peringkat Robustness RoboColiseum, menyoroti kemampuan model tersebut dalam mempertahankan performa yang stabil di bawah kondisi dunia nyata yang kompleks.

BEIJING, TIONGKOK – Media OutReach Newswire – 8 September 2026 – HiDream.ai secara resmi meluncurkan HiDream-O1-Embodied, sebuah model dunia terwujud (embodied world model) yang dirancang untuk memajukan interaksi fisik bagi intelijen terwujud (embodied intelligence). Dibangun di atas strategi teknologi omni-modal asli milik HiDream.ai, model ini meningkatkan persepsi fisik, prediksi dinamis, dan kemampuan eksekusi robot, sehingga memungkinkan interaksi yang lebih andal dengan dunia fisik.

Peluncuran ini menandai langkah penting dalam upaya luas HiDream.ai untuk menghubungkan modalitas gambar, video, 3D, dan tindakan dalam satu arsitektur yang terpadu. Dengan memperluas kemampuan model dunianya dari ranah pemahaman dan penalaran menuju tindakan dan eksekusi, HiDream.ai sedang membangun fondasi teknis ikal tertutup (closed-loop) untuk intelijen omni-modal asli.

Bersamaan dengan perilisannya, HiDream-O1-Embodied melakukan debutnya di RoboColiseum, sebuah platform evaluasi model intelijen terwujud. Model ini menduduki peringkat No. 1 pada papan peringkat Keandalan (Robustness) platform tersebut dengan meraih skor rata-rata 0,692.

“Kami percaya fondasi model dunia yang lengkap memerlukan tiga kemampuan inti: representasi omni-modal, penalaran kausal, dan pemodelan dunia fisik — yang semuanya berpusat pada kemampuan untuk mengekspresikan, memahami, dan menghasilkan di dalam dunia nyata,” ujar Ting Yao, CTO HiDream.ai. “Sejak awal, arsitektur model dunia omni-modal asli HiDream.ai dirancang untuk mendukung representasi terpadu di seluruh modalitas, termasuk tindakan. Perilisan HiDream-O1-Embodied menandai tonggak sejarah penting dalam peta jalan teknologi kami, seiring langkah kami berpindah dari mensimulasikan dunia menuju pemampuan AI untuk beroperasi di dunia nyata.”

HiDream-O1-Embodied Memuncaki Papan Peringkat Keandalan RoboColiseum dengan Skor 0,692

RoboColiseum adalah tolok ukur simulasi terstandarisasi untuk model intelijen terwujud, yang dirancang untuk menyediakan kerangka kerja evaluasi multidimensi dan dapat direproduksi. Melalui tugas-tugas simulasi bertingkat presisi tinggi (high-fidelity) yang mendekati performa robot nyata, platform ini membantu para pengembang menilai kekuatan dan keterbatasan model sambil terus memantau kemajuan di seluruh bidang ini.

Terbuka untuk universitas, lembaga penelitian, pengembang model, dan peneliti di seluruh dunia, RoboColiseum secara berkelanjutan memperbarui hasil evaluasinya dengan tujuan menetapkan tolok ukur yang andal bagi model-model terwujud.

Dibangun di atas lingkungan simulasi presisi tinggi yang sangat menyerupai kondisi dunia nyata, RoboColiseum mengevaluasi model di empat dimensi utama: kepatuhan pada instruksi, pemahaman spasial, keandalan (robustness), dan manipulasi serbaguna. Dimensi-dimensi ini dinilai melalui empat papan peringkat kemampuan dan 78 tugas simulasi presisi tinggi.

Sejak memasuki tahap pengujian internal, RoboColiseum telah menarik puluhan model terkemuka dari Tiongkok dan luar negeri. Di antara dimensi evaluasinya, Keandalan secara luas dianggap sebagai salah satu yang paling menantang. Dimensi ini mengukur stabilitas dan generalisasi model di bawah kondisi tidak ideal dengan memvariasikan latar belakang, pencahayaan, material, posisi awal robot, posisi kamera, dan kualitas gambar, serta menghadirkan beragam parafrase instruksi.

Dengan kata lain, ini bukanlah pengujian yang dilakukan di lingkungan laboratorium yang serba terkontrol. Pengujian ini dirancang untuk mengevaluasi seberapa baik kinerja model saat dihadapkan pada ketidakpastian, variasi, dan gangguan yang kemungkinan besar akan ditemui robot di dunia nyata.

HiDream-O1-Embodied meraih peringkat pertama di papan peringkat Keandalan dengan skor 0,692, didukung oleh fondasi omni-modal asli dari HiDream.ai. Model dunia omni-modal asli menyediakan dasar inheren untuk pemahaman, pembuatan, dan tindakan lintas modalitas. Pada tingkat eksekusi, HiDream-O1-Embodied menghadirkan kemajuan di tiga kemampuan inti, memungkinkan pemahaman instruksi yang lebih presisi, persepsi yang lebih andal, dan ketahanan yang lebih kuat terhadap gangguan lingkungan.

Pemahaman Bahasa: Melangkah Melampaui Pencocokan Kata Kunci

Robot tradisional sering kali menafsirkan instruksi bahasa sebatas pencocokan kata kunci. Robot mungkin memahami perintah “Bawakan aku cangkir itu,” tetapi jika susunan katanya diubah menjadi “Ambilkan aku cangkir” atau “Serahkan cangkir itu padaku,” robot tersebut mungkin gagal merespons dengan benar. HiDream-O1-Embodied mencakup ruang instruksi setara yang mencakup beragam kata kerja, struktur kalimat, dan ekspresi. Alih-alih terbatasi oleh pilihan kata tertentu, model ini berfokus pada niat yang mendasarinya. Bagaimanapun sebuah instruksi diutarakan, model dapat melampaui makna harfiah dan mengidentifikasi secara akurat apa yang sebenarnya dimaksudkan oleh pengguna.

Persepsi Visual: Kolaborasi Multi-Sudut Pandang untuk Keandalan Lebih Tinggi

Di dunia fisik, input visual robot jarang sekali berada dalam kondisi ideal. Posisi kamera dapat bergeser, akurasi kalibrasi dapat berubah seiring waktu, dan input visual individu dapat terhalang atau terganggu. HiDream-O1-Embodied mengintegrasikan informasi dari berbagai sudut pandang, memungkinkan saluran visual yang berbeda untuk saling melengkapi alih-alih bergantung pada satu perspektif tetap. Ketika sebagian informasi visual menjadi tidak akurat atau tidak tersedia untuk sementara waktu, model masih dapat memanfaatkan sudut pandang lain untuk memahami situasi, menilai tugas, dan melanjutkan eksekusi. Hal ini mengubah sistem dari kondisi “satu kegagalan menyebabkan seluruh sistem gagal” menjadi kondisi di mana “keterbatasan lokal tidak menghalangi sistem untuk beroperasi secara keseluruhan.”

Toleransi Kesalahan Tinggi: Belajar Mengeksekusi Secara Andal di Dunia yang Tidak Sempurna

Sebagian besar model dilatih utamanya menggunakan data yang “sempurna” — gambar yang jelas, bingkai yang utuh, dan sudut pandang terstandarisasi. Namun, dunia nyata jarang menyediakan kondisi ideal seperti itu. Perubahan pencahayaan, penurunan kualitas gambar, oklusi (penutupan objek), fluktuasi sinyal, dan variasi suasana merupakan tantangan umum yang dihadapi robot selama beroperasi di dunia nyata.

HiDream-O1-Embodied secara proaktif memasukkan berbagai kondisi tidak ideal selama pelatihan. Dengan secara berulang mengekspos model pada informasi yang tidak lengkap, berisik (noisy), dan tidak stabil, sistem belajar untuk membuat keputusan yang andal berdasarkan petunjuk visual yang terbatas.

Pendekatan ini membuat model tidak hanya dioptimalkan untuk performa puncak di bawah kondisi ideal. Sebaliknya, model ini dirancang untuk mempertahankan eksekusi tugas yang stabil di lingkungan yang kompleks dan dinamis. Toleransi kesalahannya tidak terbatas pada satu jenis anomali visual saja. Saat dihadapkan pada perubahan pencahayaan, tampilan objek, tata letak suasana, atau kualitas visual, model dapat memanfaatkan informasi yang tersedia secara lebih fleksibel dan mengurangi dampak variasi lingkungan terhadap eksekusi.

Bagi HiDream-O1-Embodied, tolok ukur kemampuan yang sebenarnya bukan sekadar apakah ia berkinerja baik saat semuanya terlihat jelas, melainkan apakah ia dapat terus menyelesaikan tugas secara andal ketika kondisinya jauh dari kata ideal.

Model + Data: Membangun Paradigma Produksi Data “Fondasi Dunia Nyata + Augmentasi Generatif”

Kemampuan untuk berkinerja secara andal di bawah kondisi yang tidak sempurna tidak muncul secara kebetulan. Hal ini mengarah pada tantangan mendasar dalam intelijen terwujud: batas kognitif suatu model sangat dibentuk oleh data yang dapat diaksesnya.

Data terwujud berkualitas tinggi tetap menjadi salah satu sumber daya paling langka dan paling menentukan di bidang ini. Strategi ganda “model + data” dari HiDream.ai menjadi faktor kunci di balik performa HiDream-O1-Embodied pada papan peringkat Keandalan.

Terobosan intinya terletak pada upaya menjadikan produksi data sebagai bagian tak terpisahkan dari iterasi model. Untuk mencapai hal ini, HiDream.ai telah mengembangkan paradigma produksi data “fondasi dunia nyata + augmentasi generatif.” Alih-alih mengonsumsi data yang ada secara pasif, model ini berpartisipasi aktif dalam membuat dan menyempurnakan data yang dibutuhkannya untuk berkembang.

Kolaborasi dengan Noitom menjadi contoh yang representatif. Dengan menggunakan data penangkapan gerak (motion-capture) manusia berpresisi tinggi milik Noitom sebagai fondasi dunia nyata, HiDream.ai memanfaatkan kemampuan omni-modal aslinya untuk mencapai augmentasi dan penyempurnaan data skala 100x.

Bermula dari satu sampel gerakan dunia nyata, model ini dapat menghasilkan variasi video yang konsisten secara fisik dengan mengubah variabel seperti lingkungan latar belakang, kondisi pencahayaan, bentuk objek, dan konfigurasi suasana. Proses ini menghasilkan kumpulan sampel pelatihan yang besar dan beragam sambil tetap mempertahankan batasan-batasan fisik yang mendasarinya.

Kunci dari mekanisme ini adalah bahwa model bertindak sebagai “murid” sekaligus “guru.” Model menghasilkan sampel pelatihan yang terarah berdasarkan kemampuan yang perlu ditingkatkan, menciptakan roda penggerak pertumbuhan (growth flywheel) di mana data dan model saling memperkuat secara terus-menerus. Roda penggerak data-model ini membantu HiDream-O1-Embodied mempertahankan keandalan yang luar biasa saat dihadapkan pada gangguan parah dan variabilitas dunia nyata.

Matriks Model Dunia Omni-Modal Asli HiDream.ai Terus Terbentuk

Kurang dari sebulan yang lalu, HiDream.ai meluncurkan HiDream-O1-World, sebuah model dunia interaktif yang meraih posisi teratas di papan peringkat cabang Navi pada WBench — sebuah tolok ukur model dunia video interaktif — dengan skor rata-rata 80,9.

Model dunia interaktif menangani bagian “pemahaman dan penalaran,” memungkinkan AI untuk mengembangkan pemahaman komprehensif tentang ruang, waktu, gerakan, dan hubungan antarobjek dalam lingkungan digital. Sebaliknya, model dunia terwujud menangani bagian “operasi dan eksekusi,” memungkinkan AI untuk melakukan tugas-tugas dunia nyata dalam lingkungan fisik. Bersama-sama, keduanya menjadi pelengkap yang kuat satu sama lain dan meletakkan fondasi yang kokoh bagi pengembangan model dunia omni-modal asli.

Seperti yang disampaikan sebelumnya oleh Dr. Tao Mei, Pendiri dan CEO HiDream.ai, kunci persaingan model fondasi generasi berikutnya tidak terletak pada peningkatan kemampuan modalitas individual saja, melainkan pada transisi dari intelijen tunggal-modal menuju multimodal, dan akhirnya menuju intelijen omni-modal yang terpadu secara asli.

Dari HiDream-O1-Image ke HiDream-O1-World dan kini HiDream-O1-Embodied, HiDream.ai secara bertahap membangun jajaran model yang mencakup model visi, model dunia interaktif, dan model dunia terwujud. Hal ini tidak hanya menunjukkan perluasan kemampuan teknologi omni-modal aslinya di berbagai ranah, tetapi juga mencerminkan kapasitas kuat teknologi tersebut untuk berevolusi secara intrinsik.

Pada momen krusial ketika kemajuan teknologi model dunia semakin cepat, HiDream.ai terus mempercepat inovasi dan mendorong bidang ini ke depan.