kairos-agi/kairos

解決的問題

Kairos 是一個 4B 參數的原生跨具身世界模型，旨在彌合被動影片理解與主動機器人控制之間的鴻溝。它解決了異構具身數據、弱長程推理以及具身智能在邊緣端部署時的高計算需求等挑戰。

工作原理

Kairos 使用統一的 Mixture-of-Transformers 框架來共同處理理解、生成與動作預測。它使用跨具身數據課程 (CEDC) 進行訓練，該課程從通用影片逐步過渡到人類行為與真實機器人互動數據。為了實現高效的長程建模與即時部署，它採用了結合了 Sliding-Window、Dilated Sliding-Window 與 Gated Linear Attention 的混合線性時間記憶機制。

適用對象

適用於從事具身智能、機器人技術與世界模型研究的研究人員與開發人員，他們需要一個能夠跨不同硬體平台（如 Agibot G1、Unitree G1 與 Songling PIPER）進行泛化並預測可執行動作軌跡的模型。

亮點

• 跨具身泛化：一個可在單臂、雙臂與靈巧手平台上運作的單一模型。
• 世界-動作模型：直接從視覺觀測與任務上下文預測可執行的機器人動作軌跡。
• 高效邊緣部署：針對邊緣端 GPU（如 RTX 5090、A800）的低延遲、高吞吐量推理進行了優化。
• 物理因果一致性：使用因果思維鏈 (CoT) 將多模態輸入轉換為用於自主規劃的深度任務邏輯。