小鹏开源 GroundingPI:4B 模型在 34 项 grounding 基准超越更大模型
_akhaliq · x · 2026-10-14
小鹏 AI 团队在 Hugging Face 发布 GroundingPI,一个面向物理智能(physical intelligence)的 4B 视觉 grounding 基础模型。
- 用精确的点与框作为视觉原语,覆盖 grounding、OCR、密集点、affordance 指向、版面分析、GUI、机器人指代等多种任务
- 在 34 个 grounding 基准上战胜 44 个基线,超过更大的模型
- 官方称其表现优于主流 VLA 与世界模型(如 Qwen3-VL、PaliGemma-3、Rex-Omni、Wan2.2 等),并在自动驾驶(nuScenes)与机器人(RoboCasa/RoboTwin)任务上领先
- 路线是「基础感知先行,动作学习随后」,支持轨迹 token 自回归解码与 DiT 动作生成,面向机器人 VLA 与驾驶 VLA
所属事件:小鹏联合多校开源 4B grounding 模型 GroundingPI(2 条相关)→
「具身」频道最新
- Gemini 4 Argon 看视频学投掷,人形机器人实弹七投七中 — keerthanpg · 2026-10-14
- 机器人研究者提醒:坐标系、SE(3) 与运动学仍是必修基本功 — YuXiang_IRVL · 2026-10-14
- 实机演示:Argon 自读 SDK 文档操控波士顿动力 Spot 捡罐踩踏板 — ki_ki_ki1 · 2026-10-14
- 谷歌发布 Gemini 4 Argon 机器人模型,看视频零样本教会人形机器人玩沙包 — bousmalis · 2026-10-14
- 苹果 HomeView 宣传片穿帮:设备电源线竟插在厨房岛台正中央 — steipete · 2026-10-14
- Waymo 自动驾驶出租车正式落地纳什维尔机场 — reed · 2026-10-14