外观
新闻IT之家今天
小鹏联合高校发布GroundingPI具身感知模型，34项基准超GPT-6 Astra
本文由 AI 根据公开内容整理，可能有误，请以原文为准：小鹏联合北大、港大等发布 GroundingPI 预训练模型，感知模块综合跑分超过 GPT-6 Astra（IT之家）
核心内容
小鹏集团联合北京大学、香港大学发布具身感知基座模型GroundingPI，确立“感知优先”技术路线。该模型参数规模约40亿，在34项公开感知基准测试中综合得分73.68，超过GPT-6 Astra的71.54分。研究指出精准空间定位是物理AI前提，模型已在HuggingFace开源权重与代码，目前处于科研原型阶段，但仿真验证了其在量化部署中的核心优势。
技术上，GroundingPI摒弃动作标签，仅用覆盖检测、指代定位等11类能力的纯感知数据训练，强化视觉基元理解。在机器人仿真任务中，该系统以50%示教数据达成超越对比模型使用75%数据的成功率，直接承担VLA模型中物体定位任务。针对散料分拣等高密度场景，模型在材质、容器及背景变化下保持稳定，验证了一套权重跨工位复用的可行性，有效解决环境切换导致的性能衰减痛点。
关键看点
- 感知基准领先：在34项感知基准等权平均得分73.68，超越GPT-6 Astra（71.54），覆盖通用检测、密集小目标及界面元素等11类能力
- 纯感知预训练：采用无动作标签的纯感知数据训练40亿参数模型，专注于物体空间定位与视觉基元理解，解耦感知与动作学习
- 示教效率倍增：仿真测试显示仅需50%示教数据即超越对比模型75%数据量的成功率，大幅降低人工采集成本
- 跨场景泛化：在散料分拣等场景中应对材质、容器及背景变化保持稳定，支撑一套权重跨工位复用，解决环境迁移难题
工程与产业观察
GroundingPI验证了“感知优先”路线在具身智能中的工程价值：通过解耦感知与动作预训练，将高精度空间定位能力下沉为通用视觉底座。这不仅将新任务示教数据需求减半，更解决了跨场景泛化难题，为VLA模型从实验室走向工业现场提供了可复用的感知基础设施与降本路径。
延伸选型与深度对比
基于本页技术方向关联的整机参数、核心零部件、实测报告与同赛道选型横评。
宇树 G1
Franka FR3来源
本页事实对应的公开页面，以原文为准。