tqb谈球吧:国产最大端侧模型独角兽进军具身智能发布开源首个具身系列模型

谈球吧真人:

  大会“智在终端惠及千行”分论坛，发布并开源了其首个具身智能技术成果——MiniCPM-Robot系列模型，包含一个视觉-言语-动作模型和一个盯梢导航模型，将团队长时间主导的多模态才能初次从手机、

  在具身智能范畴，“金鱼回忆”是困扰视觉-言语-动作模型的长时间痛点。想要让记住前史操作并实时决议计划，推理推迟就会急剧攀升，动作随即卡顿。

  此次发布的视觉-言语-动作模型Manip正是为处理这一对立而生。它根据面壁智能多模态端侧大模型MiniCPM-V 4.6 练习，该系列模型累计下载量已打破2000万次，其独家的视觉词元极致紧缩技术，为本次具身打破埋下了要害伏笔。

  在操作评测基准（RMBench）中，美国闻名模型π0.5仅得到10分，Manip拿到53分，跻身榜首队伍。Manip不光能够连接地“做三明治”，其单步决议计划推迟仅120毫秒。

  不依赖任何云端算力，此次发布的盯梢导航模型Track，仅靠机身原装摄像头和本地芯片，即可在拔掉网卡的状况下，听懂自然言语指令并继续追寻方针。这是业界首个支撑实在本地、纯无网布置的追寻模型。

  在未做下流强化学习优化的情况下，Track在实在场景评测中追寻率最高达89.8%，比较全域追寻视觉-言语-动作模型（OmTrackVLA）三项目标均匀提高超9个百分点。

  现在，不少具身智能团队遵从“从点到面”的道路：先在特定场景中练习专用技术，再逐渐扩展才能鸿沟。面壁智能挑选的是从通用模型动身，将视觉了解、言语指令、状况判别和动作输出放进一致结构，再落到具体任务。

  跟着机器人进入家庭、办公室和工厂，仅依托云端难以一起满意实时呼应、牢靠运转和隐私维护。面壁智能多模态首席科学家、清华大学学院助理教授姚远以为，将感知、决议计划与履行布置在本地硬件设备上，既能保证及时呼应，也能下降隐私危险。

  据悉，面壁智能正与乐聚、吉祥轿车等协作，将展厅导览、园区巡检、工业仓储等场景作为端侧具身智能的试验场。