# MiniCPM-RobotManip

> 权威词条地址：https://robotics.hellobike.com/models/openbmb-minicpm-robotmanip
> 所属分类：models | 最近核验日期：2026-07-22 | 技术层级：L7, L8

## 核心摘要

openbmb 在 Hugging Face 发布的机器人模型，架构为 MiniCPMV_VLA，参数规模 1.5B。

## 结构化工程参数

| 参数项 | 数值 / 配置 |
| :--- | :--- |
| `layers` | ["L7", "L8"] |
| `links` | [{"title": "Hugging Face", "url": "https://huggingface.co/openbmb/MiniCPM-RobotManip"}] |
| `updated` | 2026-07-22 |
| `family` | vla |
| `params` | 1.5B |
| `architecture` | MiniCPMV_VLA |
| `action_representation` | 连续关节位置/末端位姿动作空间 |
| `code_license` | apache-2.0 |
| `weights_license` | apache-2.0 |
| `data_formats` | ["SafeTensors"] |
| `status` | research |
| `hub_id` | openbmb/MiniCPM-RobotManip |
| `hub_stats` | {"downloads": 694, "likes": 191, "as_of": "2026-10-26"} |
| `overview_sources` | ["https://huggingface.co/openbmb/MiniCPM-RobotManip"] |

## 技术详解与生态说明

MiniCPM-RobotManip 是面向具身操作的 1.5B 视觉-语言-动作模型，定位为可在机器人端使用的通用策略。它使用一套权重覆盖下游任务，并称在代表性评估中优于 π₀.₅、Qwen-VLA 等更大模型。

模型支持流式上下文推理，将历史观测持续纳入上下文，在保留 60 帧历史、支持最长一分钟视觉记忆的同时，将每步计算量从 125 TFLOPs 降至 3.3 TFLOPs。它继承 MiniCPM-V 4.6 的视觉 token 压缩，每帧由 256 个视觉 token 压缩到 64 个；在 H100、BF16、单帧输入下，单步 model-forward 延迟为 120 ms。

示例代码要求 transformers==5.7.0，通过 AutoProcessor 和 AutoModel 加载，输入图像、文本指令以及可选的 80 维状态和 embodiment_id，输出形状为 30×80 的 action chunk。模型权重和代码采用 Apache-2.0 许可。

## 原始核验来源 (Sources)

- [Hugging Face openbmb/MiniCPM-RobotManip](https://huggingface.co/openbmb/MiniCPM-RobotManip)