1.5B открытая VLA-модель для воплощённого ИИ от Moonshot AI выходит в лигу лидеров

Компания Moonshot AI (面壁智能) на конференции WAIC анонсировала и открыла серию моделей MiniCPM-Robot для воплощённого ИИ, включающую две модели: MiniCPM-RobotManip (1.5B параметров) для манипуляций и MiniCPM-RobotTrack (0.9B) для отслеживания и навигации. В демонстрациях модель управляла двумя механическими руками, которые совместно готовили сэндвич, а также роботом-собакой Unitree, которая следовала за человеком по команде «следуй за человеком впереди», сохраняя сопровождение даже в условиях слабого сигнала (лифт, подземная парковка) и при отключении сетевой карты. В бенчмарках LIBERO, Calvin и RoboTwin2 MiniCPM-RobotManip показал производительность на уровне лидеров, а в тесте на контекстную память RMBench набрал около 53 баллов против ~10 у π0.5 (почти случайный уровень). Задержка однократного решения на H100 (bf16) составила 120 мс против 234 мс у π0.5. MiniCPM-RobotTrack в трёх сценариях (одиночная цель, множественные помехи, размытая инструкция) достиг точности 89.8%, 73.4% и 80.4% соответственно, превзойдя открытые аналоги и сравнившись с закрытыми. Модель использует сжатие визуальных токенов и потоковые вычисления для сохранения истории без роста вычислительных затрат. Также представлен открытый фреймворк PhyAI, ускоряющий вывод моделей (до 2.85x для π0) и облегчающий развёртывание на реальном оборудовании. Moonshot AI сотрудничает с Leju Robot и Geely, интегрируя модели в автономные экскурсионные и патрульные агенты, а также в складские сценарии.