A Knowin, especializada em IA incorporada, publicou um relatório técnico em 24 de setembro sobre o GLOW, que é a abreviação de Generative Learning of World. Este framework foi desenvolvido para que robôs domésticos possam aprender uma nova tarefa com base apenas em uma demonstração completa humana. A empresa afirma que a habilidade adquirida pode então ser aplicada a vários objetos, ambientes e tarefas sem a necessidade de retreinamento ou alteração dos parâmetros do modelo.
O GLOW consiste em quatro componentes principais. O KnowinGLOW é um modelo autorregressivo multimodal unificado que combina a compreensão de informações visuais, raciocínio espacial, planejamento de tarefas e geração de ações, fornecendo diretamente comandos para a captura e a pose do efetor final. O KnowinDream cria uma experiência fisicamente fundamentada em condições domésticas, transformando rotinas cotidianas em simulações de cenas 3D, onde iluminação, materiais, objetos e ângulos de câmera são variados. O KnowinWorld avalia os resultados prováveis das ações propostas, classificando-os por progresso da tarefa, consistência física, alcançabilidade e risco. O agente KnowinAgent, também conhecido como Harness, atua como ambiente de execução, gerenciando memória, chamadas de ferramentas, consultas espaciais, feedback de execução e replanejamento durante a execução de tarefas longas.
O método de aprendizado com um único exemplo baseia-se no aprendizado em contexto. O codificador de demonstração comprime o vídeo de uma única exibição em um contexto de habilidade reutilizável, que o modelo combina com as visualizações atuais da câmera, instruções de linguagem, estado do robô e histórico da tarefa, mantendo os pesos do modelo inalterados. A Knowin demonstrou a aplicação dessa tecnologia em cenários como armazenamento de caixas, rega de plantas, limpeza de mesas e mistura de bebidas, onde os robôs se adaptaram a mudanças na disposição ou posição dos itens. O feedback de execução desempenha um papel crucial: ao ser instruído a um compartimento, o robô solicitou um movimento de 24,3 mm, mas atingiu apenas 1,6 mm, detectou um obstáculo e mudou sua abordagem.
A Knowin apresenta vários resultados de testes em suas configurações de referência internas. Em 18 tarefas simuladas no RoboDojo, o GLOW demonstrou uma taxa média de sucesso de 62,2% e uma pontuação de 71,1, significativamente superior aos indicadores do modelo baseado em GPT-6 (22,2% e 29,8, respectivamente). Em seis condições de perturbação do LIBERO-Pro, ele alcançou uma média de 86,7% como política única, o mais alto entre modelos de política única na tabela comparativa, embora alguns sistemas de agentes com múltiplas políticas tenham mostrado melhores resultados. O modelo KnowinBrain-1.5 ocupa o primeiro lugar entre 20 modelos no ranking de respostas a perguntas incorporadas do Embodied Arena, com uma pontuação geral de 65,62 em nove benchmarks.
O relatório também destaca limitações, incluindo casos de acionamento de verificações de sucesso enquanto o objeto ainda estava sendo agarrado, bem como o fato de que a contagem de passos não permite comparações rigorosas de velocidade. A Knowin foi fundada em agosto de 2025 e se dedica ao desenvolvimento de modelos incorporados generalizados para uso doméstico de consumo. Sua equipe de pesquisa conta com mais de 200 pessoas, e o primeiro produto da empresa, Knowin-X1, está passando por validação antes da produção em massa.