Perceptron 发布 36B 开源具身基础模型 Isaac 0.5

Perceptron Inc（前 Meta Chameleon 团队）发布开源权重的具身基础模型 Isaac 0.5。这是一个 360 亿参数的动态混合专家（MoE）模型，每个 token 仅激活约 2.5B 参数，采用单一稀疏骨干网络，把多模态视频理解、具身推理和机器人控制整合到一套权重中。多位作者（@lukasmziegler、@rohanpaulai、@codestar、@jparkerholder、@AkshatS07）当日转发评述，信息一致；其中 @Scobleizer 转述时误称发布方为英伟达，其余帖子均确认为 Perceptron。

已确认

• Isaac 0.5 参数量 36B，动态 MoE 架构，每 token 激活 2.5B 参数，采用稀疏骨干网络，开源权重发布
• 同一套权重可完成多模态视频问答、指向物体、目标跟踪、报告任务进度以及生成机器人动作
• 模型可将网络视频转化为机器人训练数据，经无动作视频预训练
• 技术报告亮点包括 null-expert 等设计（@codestar 转述）
• 模型建立了缩放定律：随着通用视频数据从 1000 小时增加到 100 万小时，达到校准动作损失所需的遥操作时间从 5900 小时降至 28 小时（@rohanpaulai、@AkshatS07 转述）
• @rohanpaulai 补充：Perceptron 团队在昂贵的机器人演示数据之外引入海量廉价视频数据训练 Isaac，实验表明视频数据量足够大时可达到与大量遥操作数据相同的动作学习质量

为什么重要

• 投资人 David Cowan 指出（@AkshatS07 转述），机器人行业最痛的成本之一是采集动作数据；Isaac 0.5 用视频数据替代昂贵的遥操作数据来训练机器人控制，视频扩容百倍带来遥操作需求从 5900 小时降到 28 小时（约 210 倍）的量级下降，网络视频可成为近乎无限的机器人训练数据来源，显著降低具身智能的数据成本
• 开源权重使研究社区可直接复现和扩展，属于具身基础模型方向的重要开源进展

2026-08-27 ~ 2026-08-27 · 10 条相关

• 发布 Isaac 0.5：36B 动态 MoE 开权重具身基础模型 — code_star · 2026-08-27
• Perceptron 发布 Isaac 0.5：360 亿参数开源具身基础模型 — lukas_m_ziegler · 2026-08-27
• 英伟达发布 Isaac 0.5: 36B 动态 MoE 开源具身大模型 — Scobleizer · 2026-08-27
• 【源头】开源具身模型 Isaac 0.5：确立视频与机器人数据缩放定律 — rohanpaul_ai · 2026-08-27
• 【源头】Perceptron 研究：用海量视频训练 Isaac，大幅降低机器人数据需求 — rohanpaul_ai · 2026-08-27
• 【源头】开源具身模型 Isaac 0.5：36B 参数可直接用网络视频训练 — lukas_m_ziegler · 2026-08-27
• 视频数据扩容百倍：Isaac 0.5 让遥操作需求从 5900 小时降到 28 小时 — AkshatS07 · 2026-08-27

另有 3 条近重复转述:AkshatS07 · rohanpaul_ai · jparkerholder