标签
本文将有具身数据源组织成一个五级金字塔（真实机器人、UMI、自我中心/外部中心、仿真、通用视觉语言），分析它们在可扩展性和机器人对齐之间的权衡，并回顾了近期具身基础模型的数据策略。还讨论了构建下一代具身系统的开放性挑战。
OpenBMB发布了MiniCPM-RobotManip，这是一个1.5B参数的视觉-语言-动作模型，用于设备端机器人操控，通过高效的流式推理和长时视觉记忆，性能超越较大模型。
Guava 是一个用于具身工具使用的框架，它将高级推理与外部模块相结合，使紧凑模型能够以极少的训练数据执行复杂的操作任务。实验表明，其性能可与前沿专有模型相媲美。