天网

1.5B开源通用VLA模型，冲进具身智能第一梯队_我的网站

一 |     金磊 发自 上海          量子位 | 公众号 QbitAI          一个新的国产VLA模型诞生了，而且只有1.5B。         Size这么小，能好用吗？          来，话不多说，我们直接看效果：          视频地址：     https://mp.weixin.qq.com/s/TWDuh4NmsamJ52E2A6ZpTw          在上面这个真机演示里，两只机械臂围着桌面开始做三明治。它们分工合作，先取面包，再夹起生菜、火腿和鸡蛋，一层层叠到一起。         再来看下另一段演示：          视频地址：     https://mp.weixin.qq.com/s/TWDuh4NmsamJ52E2A6ZpTw          一只宇树机器狗收到“跟随前面的人”这条指令后，开始一路跟在目标身后。    成果展风采          携手育花开                    美          好          如          期          而          至          有温度的教育          始于美好的联结          携一缕家园的融情          凝一份教育的真情          心守一抹暖阳          静待一路似锦花开                     岁末年初，阳光正好。携手是最温暖的共育，为进一步促进家园双向互动，充分发挥园级家长委员会的作用，推动幼儿园工作全面发展。郑东新区龙华第二幼儿园于2025年1月21日召开期末园级家委会暨伙委会会议。本次会议意义非凡，它不仅是对本学期工作的一次全面回顾与总结，更是家园携手共进的有力见证。

二 |                    新的一年 奔赴美好           带着满满的热情与责任，家委会成员们如约而至，准时来到幼儿园，有序签到入场。大家怀揣着一颗“一切为了孩子”的心，在轻松愉快的氛围中，开启了园级家委会之旅。         从室外走进办公楼，再进入电梯、地下停车场，机器狗始终没有跟丢。                   家委会成员如约而至                                         园长梁晓飞从教师专业发展、幼儿全面发展、家园共育等方面向园级家委会成员进行介绍，并提出幼儿园会持续提高教育质量、拓展优质教育资源、打造园所教育品牌。希望能与家长们达成教育理念与行动的共识，更好地增进家园间的信息传递，形成教育合力。

三 |          总务室张梦鸽老师公布本学期幼儿餐费收支明细           家委会成员积极讨论，园长梁晓飞针对家长们普遍关注的问题，与各位家长代表进行了一场围绕孩子教育的暖心交流。                    此次园级家委会会议的圆满召开，不仅加强了家园之间的沟通与合作，更为孩子们的成长注入了新的动力和活力。让我们携手共进，用爱为孩子们的成长之路铺设坚实的基石，共同迎接更加美好的明天！                    期          末          汇          报          时光的齿轮拉扯着四季          “吱吱呀呀”又一个学期结束          每一个学期的转角          都要做一个完美的交接          等待，邂逅下一季的花开          期待着孩子们人人出彩                    萌娃欢舞 绽放童年                                         《欢喜中国年》、《新年快乐谣》、《福气要来到》……稚嫩的童声，优美的舞姿，动感的节奏，表达了孩子们内心的欢乐与喜悦，秀出了无限的童真与自信。就算周围不断有人经过，环境和光线也在变化，它还是能认准一开始指定的那个人。         更关键的是，这套能力直接跑在机器狗本地！          电梯和地下停车场往往是网络信号比较差的地方。孩子们跳跃的身影和灿烂的笑容为整个汇报演出拉开了序幕。

四 |          奔赴美好2025                    童年“有戏” 童心绘剧                                         给你一本绘本，你可以做什么？在龙华园里，一本普通的绘本，可以改、可以创、可以演，可谓小小的舞台，大大的世界。当绘本邂逅教育表演，又会碰撞出怎样激情四溢的火花呢？          奔赴美好2025           小小表演者们身穿漂亮的演出服，用稚嫩的声音、夸张的表情、灵活的肢体动作完美的塑造出绘本故事中的角色，在表演中全情投入、尽显童真，把绘本故事演绎得生动形象、惟妙惟肖，引来了现场观众们一阵又一阵的欢呼和掌声！                    可爱托班 萌趣成长           托班的宝贝们以一种既可爱又充满趣味的方式，展示着他们学习内容，他们的每一个动作都洋溢着纯真与欢乐，言语中充满了自信和自豪，别看我们小！虽然我们只上了半年，各方面的学习能力却突飞猛进哦。即使进入弱网甚至无网环境，机器狗依然能继续识别目标、规划动作，保持跟随。         奔赴美好2025                                         聪慧小班 各展风采           时光匆匆，分秒飞逝，小班的宝贝们在幼儿园度过了一学期愉快的时光，不仅个头长高了，各方面能力也有了不同水平的提高。          他们将点数、律动、手指游戏等一一展示，还学会了穿鞋子、叠衣服等生活技能。         而在这两段Demo背后，则是面壁智能在WAIC期间正式发布并开源的MiniCPM-Robot系列模型。宝贝们丰富的肢体语言、认真的样子，以及发自内心的童真为活动增添了一抹灵动的色彩。         目前包含两个模型：          MiniCPM-RobotManip：也就是开头控制机械臂做三明治的通用VLA模型，参数量只有1.5B。一起来看看萌娃们精彩的表现吧！          奔赴美好2025                              快乐中班 勇敢绽放           中班孩子的汇报充满趣味和活力，从五大领域入手老师们依据幼儿年龄特点，将所学的知识巧妙的融入其中，他们积极踊跃的参与，孩子们的成长在此刻尽收眼底，为家长们带来了无尽的欢乐和感动。         MiniCPM-RobotTrack：主要负责机器人的跟踪与导航，让机器人能够根据自然语言指令，在动态环境里持续跟住指定目标。              和它们一起出现的，还有开源具身智能推理框架PhyAI，负责让这些模型更快地适配硬件、跑到真实机器人上。          一时间，台下掌声雷动，这是家长们对孩子们精彩表现的由衷赞美与肯定。         奔赴美好2025                              自信大班 大方展现           时光荏苒 ，一点一滴汇成闪耀星光，于不经意间成长，于无声处绽放……大班的宝贝们以游戏闯关、技能展示等形式，通过个人、分组、集体的方式，展示一学期的成长和进步。

五 |          简单来说，一个负责让机器人“动手干活”，一个负责让机器人“认准人、跟着走”，再配上一套负责高效推理的底座。他们以游戏的形式在知识的海洋里畅游，游戏与学习从来不是对立面，在游戏中发展兴趣，在学习中成长，散发属于自己的光芒。

六 |           他们精彩的表现，赢得了家长的热烈掌声，看着孩子们的成长与进步，家长们也为之骄傲！相信大班的孩子们在新的一年将更加勇敢坚定，未来可期。         面壁这次端出来的，已经是一套逐渐成形的具身智能组合。         跻身第一梯队，延迟接近一半          先来看MiniCPM-RobotManip。

七 |          虽然参数量只有1.5B，但在LIBERO、Calvin、RoboTwin2等主流VLA评测里，它的整体表现已经进入第一梯队，与π0.5等模型处在相近水平。         真正把差距拉开的，是对机器人记忆力的考验。         很多VLA模型在执行动作时，主要根据当前这一帧画面做判断。         比如让机器人点击画面里的第二个按钮5次。         如果它看不到前面的画面，也记不住自己已经按过几次，就很容易按一下便停，或者一直按下去。         MiniCPM-RobotManip会把历史观测和此前执行过的动作一起纳入判断。它知道任务已经进行到哪一步，也知道什么时候应该停下来。         奔赴美好2025                              期          末          家          长          会           教育是一场幸福的遇见，亦是一场爱与被爱的修行，为了增进家长对幼儿园的了解，加强家园沟通，助力幼儿快乐成长、健康发展，召开了学期末家长会。         在专门考察上下文记忆的RMBench中，π0.5的成绩约为10分，接近随机水平，MiniCPM-RobotManip则达到约53分。          各班级教师借助PPT、视频，对假期中的预防溺水、交通、饮食、居家用电、防诈骗、防火防电、预防自然灾害等方面进行了细致地讲解。

八 |          这项能力对真实机器人很重要。         叠衣服、收拾桌面、做三明治，看起来都是日常小事，拆开后却包含一连串动作。

九 | 机器人只看眼前，很容易做到一半便“失忆”；能记住此前的状态，才有机会把长任务完整做完。并引导家长朋友们高度重视安全问题，希望家长科学、理性陪伴孩子，关注孩子心理健康，做好孩子安全、健康成长的守护者。         除了记得住，机器人还得反应快。         托班           托班老师分享了本学期各项活动的开展情况、向家长们展示了幼儿的成长变化，对本学期教育教学、幼儿发展做了总结。                   小班           小班幼儿经历了一个学期的在园生活，已经逐渐适应幼儿园的生活，老师们根据小班幼儿的年龄特点和发展目标，重点向家长介绍了孩子们情绪发展、生活习惯等各方面的发展水平，让家长更加了解幼儿在园一日生活的情况，引导家长适度放手，共同培养幼儿良好的生活习惯。         中班           中班幼儿处于“承上启下”阶段，是幼儿发展的黄金关键期。老师们分析了中班幼儿的年龄特点与发展需求，让家长了解如何在有效的陪伴中帮助幼儿养成良好的学习品质、生活习惯、建立规则意识等。

十 | 同时引导家长给予幼儿充足的空间和时间，支持和鼓励幼儿的发展。         大班           大班是幼儿迈向小学的重要阶段，老师从班级重点工作、幼小衔接、家园共育等方面进行介绍，围绕身心准备、生活准备、社会准备和学习准备四项准备与家长一起研讨教育策略，帮助家长树立科学育儿观念，提供衔接建议和策略，明确今后家园共育方向，为幼小衔接工作做好准备。                                       闪闪星光 收获满满           一张张闪亮的奖状见证了孩子们的努力与成长，也是对孩子们最大的肯定！每个孩子都有闪光点，都值得被温柔以待。                   温情反馈 共育花开           活动结束，在家长的反馈中，看到了对幼儿园教育理念的认可，每一句肯定，都是我们前进的动力。         面壁给出的单帧推理对比中，在H100显卡、bf16精度下，MiniCPM-RobotManip单次决策延迟约为120毫秒，π0.5约为234毫秒，前者接近后者的一半。         这里的“成本减半”，主要是体现在推理延迟和计算量上。         聊天模型多想一秒，用户通常还能等。                   轻盈的时光缓缓流过          成长的足迹深深留下          幼儿园里有欢笑、嬉戏          还有一不小心长大的时光          成长的路上          每一秒回忆都值得被珍惜          每一个拥抱都值得被回味          让我们一起珍惜每一个出彩瞬间          希望每一个孩子一直走在似锦花开的路上                              阅慧童心 悦享成长          编辑：保教处          审核：园长室          郑州市郑东新区龙华第二幼儿园                    郑州市郑东新区龙华第二幼儿园          地址：郑州市郑东新区龙华路与祥符路交叉口东北角          招生咨询电话：18203620427                    郑州市郑东新区玉溪路幼儿园          地址：郑州市郑东新区福荫街与泰来路交叉口西北角          招生咨询电话：0371-62340002。

十一 | 机械臂每做一步都停顿一秒，动作马上就会变得僵硬，整个任务的完成时间也会被拉长。

十二 |          对VLA来说，能不能在有限算力下快速输出下一步动作，和榜单分数一样重要。         MiniCPM-RobotTrack也走了类似的小尺寸模型路线。         它以MiniCPM4-0.5B为基础，整体参数规模为0.9B，主要测试三种真实场景。         第一种是单目标跟踪。给它一句明确指令，机器狗持续跟着指定的人。         第二种是多人干扰。周围几个人同时移动、交叉甚至交换位置，模型依然要认准最初的目标。

十三 |          第三种更难，指令本身可能比较模糊。比如只说“跟着穿黑衣服的人”，现场又恰好有多个穿着相近的人，模型需要结合画面理解人类到底指的是谁。         在没有进行下游强化学习优化的情况下，MiniCPM-RobotTrack在三类任务上的追踪率分别达到89.8%、73.4%和80.4%，均取得开源方案中的最优结果。         相比OpenTrackVLA，三项追踪率分别提高7.0、14.6和6.5个百分点。         在相同的单视角、纯SFT设定下，与闭源模型TrackVLA++相比，它在单目标跟踪和模糊目标跟踪上的追踪率分别高出8.8和17.0个百分点，模糊目标跟踪的成功率达到58.0%。         参数小，表现却没有明显掉队。

十四 |          机器人模型的竞争，也开始从单纯拼规模，转向拼单位算力到底能换来多少能力。         把机器人看到的世界压缩一下          MiniCPM-RobotManip能把尺寸压到1.5B，背后离不开面壁过去在多模态模型上的积累。         它基于MiniCPM-V 4.6训练而来（开源不到2个月，下载量已突破200万）。         面壁的MiniCPM-V/O系列已经持续迭代两年多，开源总下载量超过2500万。过去积累的图像理解、视频理解和多模态信息处理能力，如今被进一步搬到了机器人身上。         机器人执行一次动作，需要处理的信息其实很多。

十五 |          一台双臂机器人通常会同时接收三个摄像头的画面，包括两个腕部相机和一个主视角相机，再加上一段文字指令，最后输出一个可以执行的动作。         而且，这个过程一秒要重复好几次。         如果每一张图片都被转换成大量视觉Token，机器人运行得越久，需要处理的历史信息就越多，计算量很快就会堆起来。         MiniCPM-RobotManip采用的办法，是尽量压缩视觉Token。         桌面纹理、墙面图案等和当前任务关系不大的信息，不必占用太多Token。

十六 | 模型用更短的数据表示保留关键内容，单次推理需要处理的信息量也随之下降。         信息少了，推理自然更快。

十七 | 对应到机械臂上，就是等待时间更短，动作衔接更顺。         视觉Token压缩还有一个更大的用处，可以帮助机器人以更低成本保留历史记忆。         常规方法每获得一张新画面，都要把此前的历史重新计算一遍。任务越长，计算量增长得越快。         MiniCPM-RobotManip采用流式计算，前面已经处理过的信息可以继续复用，新画面进来后，只需要接着往下计算。         这就有点像看连续剧的感觉了。         普通做法每更新一集，都要从第一集重新看起；流式计算则会记住之前的剧情，直接从最新一集接着看。

十八 |          机器人因此可以带着更长的历史继续执行任务，同时避免计算量一路暴涨。         1.5B的尺寸，也和机器人的实际运行需求有关。         面壁在将约200毫秒视为机器人操作体验的一道临界线。

十九 | 再慢下去，机械臂和机器狗的卡顿感就会明显增加。         当前多数VLA基础模型都控制在4B以内。

| 模型继续做大能带来多少真实操作收益，行业仍在验证。          作者声明：该图片由AI生成          到了MiniCPM-RobotTrack这里，轻量化的思路又换了一种实现方式。         它把视觉画面、自然语言指令和机器人的控制决策放进同一个模型里统一处理。         用户说一句“跟着前面穿黑衣服的人”，模型会直接结合摄像头画面理解指令，再把判断转换成机器狗的运动控制。         整个过程不需要额外安装一套目标检测模块、一套识别模块，再接一套跟踪系统。也不用外接开发板，只靠宇树Go2 Edu原装摄像头和本地算力，就能完成单目标跟踪、多人干扰跟踪和模糊目标跟踪。         不过，真实世界总会出现训练集里很少见的情况。         目标可能突然从镜头前横穿过去，也可能快速转弯，被其他人短暂挡住。几个人同时交叉走动时，机器狗还要避免跟错人。         这类场景数量少，却最容易让模型翻车。所以，面壁为此搭建了一套自进化数据管线。         团队先对原始数据进行检查和清洗，把异常轨迹、错误动作和无效交互剔除掉。随后让模型进入仿真和真实机器人环境，在持续运行中主动暴露自己的薄弱环节。         系统再把这些容易出错的场景集中收集起来，通过专家策略进行纠偏，放回下一轮训练。         说得通俗一点，这就像给机器狗准备了一本会自动更新的错题本。         经过一轮轮闭环训练，目标横穿、快速转向、短时遮挡、多人交叉这些长尾问题，也能不断得到加强。         模型训好了，装到真机上仍然有一道关。         摄像头采集、画面编码、模型推理、动作生成、指令传输，任何一个环节慢下来，最终都会反映在机器狗的动作上。         面壁围绕宇树Go2的完整运行链路做了系统级优化。目前MiniCPM-RobotTrack在机器狗原生本地算力上可以稳定达到5Hz以上，端到端响应延迟约180毫秒。         这次开源的内容也不只有模型权重，还包括环境安装、模型加载、摄像头接入、文本指令输入、控制接口和一键启动脚本。         准备一台Go2 Edu，就能按照开源流程把模型部署起来。         本地部署的好处，在电梯和停车场的演示里体现得很直接。

|          机器人不用等待画面上传云端，也不用等远程服务器返回结果。摄像头数据和用户指令留在本地，网络信号变差后，完整功能依然可以继续运行。         直接拔掉网卡，机器狗照样能根据摄像头画面和文字指令，完成目标识别、持续跟踪和运动控制。         除了MiniCPM-Robot系列之外，这次还有一项容易被忽略的发布——PhyAI。

|          它是一款面向Physical AI的开源推理框架，由明体科技联合北京邮电大学、北京大学研发。         具身模型想从实验室跑到真实机器人上，中间还要经过硬件适配、量化、算子优化和部署。         不同VLA、世界模型的结构差异很大。

| 每发布一个新模型，再从头适配一次，时间和工程成本都不低。         PhyAI想做的，就是把这段路缩短。         在RTX 5090上运行π0、π0.5和GR00T时，PhyAI相较模型官方仓库分别实现约2.85倍、1.82倍和2.28倍加速。         适配MiniCPMRobot系列模型时，PhyAI先通过CUDA Graph把推理帧率从10.12Hz提高到33.28Hz，再加入为模型定制的融合算子，在NVIDIA H20上进一步提高到36.77Hz。

|          前面是模型效果，这里解决的是工程效率。         模型能干活，还得尽快跑上硬件，跑得足够快，才能真正进入更多机器人。         机器人需要又好又便宜的大脑          具身智能行业从来不缺精彩Demo。

| 真正难的是离开展台之后，机器人还能不能稳定工作。         清华大学人工智能学院助理教授、面壁智能多模态首席科学家姚远在访谈中也提到：          现阶段不少机器人Demo会围绕单一任务采集大量数据，再进行针对性优化，展示效果并不能完全代表基础模型的真实进度。面壁更看重模型的基础性、泛化性和通用性，希望先把数据、Infra和工程链路打磨好，让基础能力提升后自然覆盖更多场景。沿着大语言模型的发展经验，具身智能最终也要走向“先通后专”，先理解物理世界的基本常识，再成为做饭、叠衣服或仓储作业等具体领域的专家。         展馆、园区和工厂里，网络信号不会一直满格。

| 机器人还要面对隐私、数据合规、任务失败和异常恢复等一连串现实问题。         榜单分数再高，走到地下停车场便停摆，落地空间依然有限。         这也是面壁把端侧能力放在重要位置的原因。         在与乐聚机器人的合作中，面壁把端侧多模态大模型、夸父机器人本体和导航系统组合到了一起，推出展厅导览Agent和园区巡检Agent。         展厅导览机器人在无网环境下，也能基于本地知识库完成离线讲解和自由问答。它可以理解展厅环境和人的指令，规划导览路线，同时完成避障。         园区巡检机器人则可以识别车辆违停、路面异常和公共设施问题。敏感画面直接在本地处理，数据留在客户侧。

|          与吉利汽车的合作，则进一步走进了生产仓储场景。         面壁和吉利共同训练VLA模型，再通过RoboHarness把VLM、VLA、机器人本体和导航系统接到一起，让机器人执行仓储中的长程任务。         RoboHarness可以理解成物理世界里的Agent执行框架。         上层VLM负责规划任务，VLA和导航系统作为可以调用的工具。

| 框架还会管理长任务的上下文和记忆，遇到失败时进行重试和恢复。         机器人每完成一次任务，运行数据还会进入可治理的数据闭环，继续帮助模型进化。          作者声明：该图片由AI生成          到这里，面壁此次在WAIC带来的具身智能路线已经比较清楚了。         MiniCPM-RobotManip负责操作，让机械臂理解任务、记住过程，再把事情做完。         MiniCPM-RobotTrack负责跟踪导航，让机器狗在复杂环境里认准目标，断网也能继续走。         PhyAI负责把模型更快地部署到真实硬件上。              再往外，乐聚和吉利的合作开始把模型、本体、导航和具体业务流程接起来。         大语言模型时代，人们习惯用参数量判断能力。但机器人真正走进物理世界后，参数只是其中一个数字。         它还得反应够快、记得住、断网能跑，数据留得下来，遇到意外能够恢复，成本也要控制在企业愿意长期使用的范围内。         从这个角度看，1.5B和0.9B的意义，也就不止是“小”。它们更像是在回答一个很现实的问题：          当AI真正长出手脚，除了聪明，还得跑得动、用得起，最后把活干完。

|          GitHub链接：          https://github.com/OpenBMB/MiniCPM-Robot          HuggingFace链接：          https://huggingface.co/openbmb/MiniCPM-RobotManip          https://huggingface.co/openbmb/MiniCPM-RobotTrack。

Current article:http://ejro2f.chuojianmeniaoyoshangshuang.shop/x3v71hk/ix5.html

Published on:21:00:57