Pelican-VL 1.0 是 X-Humanoid 发布的开源具身多模态脑模型家族，参数规模覆盖 7B 到 72B；该仓库对应 Pelican1.0-VL-7B 权重。模型面向视觉与文本输入，强调物理推理、空间关系理解、功能预测以及连续时序理解，可在厨房、超市等封闭环境中根据场景规划拾取或放置动作。

其训练数据包含大量图像、视频与跨模态标注，并包含数万小时视频和动态场景问答；通过 DPPO 循环训练实现自我纠错与迭代学习。文中描述的机器人任务包括物体抓取、导航、协同操作和人机交互，模型可生成较细的动作序列并评估步骤可行性。

快速开始部分提供基于 Swift 框架的 LoRA 微调脚本和具身样例，示例数据为 JSON 文件，来自 Hugging Face 上的 Cosmos Reasoning SFT Data、Robopoint GQA Data 与 VSI-Bench ScanNetpp Data。训练后可用生成的 adapters checkpoint 进行推理。