MiniCPM-Robot – 面壁智能開源的具身智能 VLA 模型系列

MiniCPM-Robot是什麼

MiniCPM-Robot是面壁智能開源的輕量具身智能 VLA 模型系列，包含 1.5B 參數的 MiniCPM-RobotManip 通用操作模型與 0.9B 參數的 MiniCPM-RobotTrack 跟蹤導航模型，配套 PhyAI 推理框架。模型採用視覺 Token 壓縮與流式上下文記憶技術，支持機械臂長程精細操作與機器狗室內外目標跟蹤，可在弱網環境下端側本地運行，推理延遲低至 120ms，在主流評測中躋身第一梯隊。

MiniCPM-Robot的主要功能

• MiniCPM-RobotManip：控制機械臂完成長程操作任務（如做三明治），支持多攝像頭輸入，具備上下文記憶能力，可記住任務進度與歷史動作。
• MiniCPM-RobotTrack：讓機器狗根據自然語言指令持續跟蹤指定目標，支持單目標跟蹤、多人干擾跟蹤和模糊目標跟蹤，可在弱網/無網環境下本地運行。

• 環境準備：
  • 克隆 GitHub 倉庫並安裝依賴。
  • 準備硬件：機械臂（RobotManip）或宇樹 Go2 Edu 機器狗（RobotTrack）。
• 模型加載：從 Hugging Face 下載對應模型權重。通過 PhyAI 框架加載模型，完成量化與算子優化。
• 攝像頭接入：配置腕部相機與主視角相機（RobotManip）或機器狗原裝攝像頭（RobotTrack）。
• 指令輸入：輸入自然語言指令（如”跟着前面穿黑衣服的人”或”做三明治”）。
• 一鍵啓動：運行開源腳本，模型接收視覺與語言輸入，輸出機器人動作指令並執行。

MiniCPM-Robot的核心優勢

• 極小參數，第一梯隊性能：1.5B 參數在 LIBERO、Calvin、RoboTwin2 等評測中比肩 π0.5 等更大模型；RMBench 上下文記憶得分約 53 分，遠超 π0.5 的約 10 分。
• 推理延遲減半：H100 上單幀決策延遲約 120ms，接近 π0.5（234ms）的一半。
• 純端側運行：機器狗本地算力即可穩定 5Hz 以上跟蹤，斷網仍能持續工作。