机器人保姆级丝滑干家务！清华系创企发首个具身基础模型

极佳视界发布端到端具身基础模型GigaBrain-0 Preview。

作者 |许丽思

编辑 |漠影

机器人前瞻7月4日报道，今天，极佳视界发布具身基础模型GigaBrain-0 Preview，90%以上的训练数据来自该公司自研的世界模型平台，不到10%来自真机实采数据，成为全球首个主要依靠世界模型生成数据驱动的端到端VLA具身基础模型。

另外，该公司还将于近期发布面向具身智能方向的世界模型平台Preview版本。

极佳视界成立于2023年，是一家空间智能公司，致力于将视频生成提升到4D世界模型，使AI大模型具备对4D空间理解、生成、常识和推理能力，进而实现4D空间中交互和行动。

极佳视界创始人兼CEO黄冠是清华大学AI方向博士，拥有超过十年的AI技术和产业经验，曾在微软、三星、地平线等负责算法工作，拥有AI、自动驾驶等方向连续创业经验。

GigaBrain-0 Preview的执行过程如下：

• 在输入端，对RGB图像与深度信息进行联合编码，提升模型对3D空间结构的理解能力以及对复杂场景的感知表征。
• 在输出端，系统可利用多种感知模块的中间输出（2D框、3D框、6DoF抓取点，末端执行器轨迹等）作为多模态监督信号，增强决策过程的准确性和鲁棒性。
• 引入了面向语言任务拆解的思维链（Chain-of-Thought,CoT）机制，将高层用户指令逐步解析为低层可执行的prompt，实现任务逻辑的结构化分解。与此同时，前序感知模块输出的中间结果也为CoT提供了空间推理所需的语义支持。
• 低层执行prompt将激活对应的action expert模块，并通过降噪解码机制生成机器人可执行的动作序列，从而实现从感知到动作的完整控制。

在多项复杂任务中，GigaBrain-0 Preview都表现不错。

在叠衣服时，GigaBrain-0不仅可以丝滑精细的完成任意形态和多种款式的衣服自动叠放，而且在叠放过程中可以对中间状态进行主动思考，自动修正叠放方式和平整度。

面对物品摆放混乱的餐桌，模型会自主推理最优策略，先思考餐盘怎么摆放，然后双臂协同完成垃圾清扫工作。就算人为再次随机丢弃垃圾，模型也能迅速识别并主动调整策略，反复清扫直至桌面整洁。

在冲倒饮料这一类需要双臂协同完成长程任务中，GigaBrain VLA模型实现了对长程任务的子任务的自动拆分和模型指令遵循。此外，它还对动作进行了平滑性约束，以确保在饮料不洒出。

模型还支持自然语音交互，比如用户只需一句话就可以触发餐具摆放任务。

相比于真机的实际采集，基于世界模型的仿真2.0在数据获取效率上展现出明显优势，其生成效率可以达到真机采集的10-100倍以上。

这种效率提升，不仅可以降低了数据采集的时间成本，还使得大规模、快速迭代的数据生成和模型迭代成为可能，为物理世界通用智能的训练和测试提供了支持。