量子位
·
开源“裸考”真实世界，国产具身智能基座模型拿下全球第二！
💡
原文中文，约5000字，阅读约需12分钟。
📝
内容提要
国产具身智能模型WALL-OSS在RoboChallenge评测中以46.43分排名全球第二，超越美国的pi0。该模型开源，具备透明性和可复现性，推动了具身智能的发展，并在多项任务中展现出强大能力。
🎯
关键要点
- 国产具身智能模型WALL-OSS在RoboChallenge评测中以46.43分排名全球第二，超越美国的pi0。
- WALL-OSS是一个开源模型，具备透明性和可复现性，推动了具身智能的发展。
- RoboChallenge是首个在真实物理环境中，由真实机器人执行操作的大规模、多任务基准测试。
- WALL-OSS在多个单任务中表现优异，尤其在“叠抹布”任务中取得单项第一。
- 模型采用共享注意力+专家分流的架构设计，实现了模态统一和动作精度的平衡。
- WALL-OSS的训练策略包括启发阶段和整合阶段，确保认知能力与动作执行能力的稳定整合。
- 自变量机器人团队致力于构建通用具身智能基座，强调开源的重要性。
- 开源模型降低了行业创新门槛，促进了研究者和创业团队的合作与发展。
- WALL-OSS的开源选择被视为一种长期投入，旨在推动模型的自我迭代与进化。
❓
延伸问答
WALL-OSS在RoboChallenge评测中取得了什么成绩？
WALL-OSS以46.43分排名全球第二，超越了美国的pi0。
WALL-OSS的开源特性有什么重要意义？
开源降低了行业创新门槛，促进了研究者和创业团队的合作与发展。
WALL-OSS在具体任务中表现如何？
在“叠抹布”任务中，WALL-OSS取得了单项第一，表现优异。
WALL-OSS的模型架构有什么创新之处？
WALL-OSS采用共享注意力+专家分流的架构设计，实现了模态统一和动作精度的平衡。
RoboChallenge的评测方式与其他模型评测有什么不同？
RoboChallenge允许参赛方提供可驱动机器人的算法，而无需提交模型权重，强调真实物理环境中的表现。
WALL-OSS的训练策略是怎样的？
WALL-OSS的训练策略包括启发阶段和整合阶段，确保认知能力与动作执行能力的稳定整合。
🏷️
标签
➡️
