面壁开源 1.5B 参数 VLA 模型 MiniCPM-Robot，称第一梯队表现
面壁智能发布两款小参数 VLA 模型，兼顾性能与实时性，并开源推理框架加速落地。
面壁智能发布并开源了 MiniCPM-Robot 系列，包含两款模型：1.5B 参数的 MiniCPM-RobotManip 负责机械臂操作，0.9B 参数的 MiniCPM-RobotTrack 负责机器狗目标跟踪。在主流评测中整体进入第一梯队，推理速度约为同类的一半。同时开源了具身智能推理框架 PhyAI，可在 RTX 5090 上实现 2 倍以上加速。
正文摘录
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。 视频地址： https://mp.weixin.qq.com/s/TWDuh4NmsamJ52E2A6ZpTw 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。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。 电梯和地下停车场往往是网络信号比较差的地方。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。 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。 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。 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。 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。 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。 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。 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。机器人只看眼前，很容易做到一半便“失忆”；