面壁智能离AGI又近了一步具身智能开启新篇章

小大

用微信扫描二维码
分享至好友和朋友圈

关键词：

2026-07-19 20:02:39 新浪财经

2026年，面壁智能开启了加速模式。在WAIC期间，公司进军具身智能领域，发布并开源了首个具身智能系列模型成果。

面壁智能联合创始人、董事长兼首席执行官李大海透露，今年1月正式组建具身智能团队，结合公司在多模态、全模态的优势，迅速取得进展。两个主要模型是MiniCPM-RobotManip和MiniCPM-RobotTrack，以及一个AGI物理方向。

MiniCPM-RobotManip定位为通用VLA模型，参数规模为1.5B，基于此前的多模态模型MiniCPM-V 4.6训练完成。目前该模型可完成做三明治等长程复杂任务。性能测试显示，其与Qwen-VLA、π0.5等VLA模型性能相近，在考验上下文记忆的RMBench上得分53，远超主流π0.5的10分。

MiniCPM-RobotTrack是一款跟踪导航模型，基于MiniCPM4-0.5B训练完成，参数规模为0.9B。未进行下游强化学习优化的情况下，该模型在三项任务的追踪率分别达到89.8、73.4和80.4，均为开源方案中的最优结果。这是业内首个提供真实本地纯无网部署的跟踪模型。真机测试下，该模型能在开放环境零样本指令跟随，抗各类人物穿梭干扰，并在电梯、停车场等断网或弱网环境下流畅跟随。模型原生适配宇树Go2 Edu，当前方案在机器狗原生本地算力条件下稳定达到5+FPS，端到端响应时延约180毫秒。

行业正从语言智能向多模态智能发展，进而走向物理智能。具身智能成为重要抓手，但实现通用具身智能还需克服通用性、效率和记忆三大挑战。

在具身智能领域，存在垂直专用路径和通用智能路径两种技术路线。大多数机器人团队选择垂直专用路径，从特定场景出发，逐步积累技能以逼近通用系统。这种路径务实且易于突破单一指标，但不同专用模型间数据孤岛问题严重，后期整合困难。而训练过大模型的公司倾向于通用路线，认为通用方法优于专用技巧。面壁智能也采用通用路线，MiniCPM-RobotManip从一开始就以“通用智能”为目标，用一个模型和一套参数控制不同机器本体，使其具备跨场景、长程和流水线式任务的能力。

12 全文共 2 页下一页

关闭

面壁智能离AGI又近了一步 具身智能开启新篇章

相关新闻

今日热点

频道热点

面壁智能离AGI又近了一步具身智能开启新篇章