Perceptron 发布开源具身基础模型 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。发布即有多位作者（@lukasmziegler、@Scobleizer、@rohanpaulai、@codestar）在同日转发或评述，信息一致。
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
- 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显著减少（@rohanpaulai 转述）
为什么重要
- 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，如果缩放定律成立，网络视频可以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以直接复现和扩展，属于具身基础模型方向的重要开源进展
2026-08-27 ~ 2026-08-27 · 5 条相关
一手来源
- 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 ·
- 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 ·
- 英伟达发布 Isaac 0.5: 36B 动态 MoE 开源具身大模型 — Scobleizer ·
- 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
- 【源头】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】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