计算机科学 > 机器人技术
[提交于 2025年7月2日
(v1)
,最后修订 2025年7月5日 (此版本, v2)]
标题: RoboBrain 2.0 技术报告
标题: RoboBrain 2.0 Technical Report
摘要: 我们介绍了RoboBrain 2.0,这是我们最新一代的具身视觉-语言基础模型,旨在统一物理环境中的复杂具身任务的感知、推理和规划。 它有两种变体:轻量级的7B模型和全规模的32B模型,具有异构架构,包括一个视觉编码器和一个语言模型。 尽管体积小巧,RoboBrain 2.0在广泛的具身推理任务中表现出色。 在空间和时间基准测试中,32B变体取得了领先结果,超过了之前开源和专有模型。 特别是,它支持关键的现实世界具身AI能力,包括空间理解(例如,功能预测、空间指代、轨迹预测)和时间决策(例如,闭环交互、多智能体长期规划和场景图更新)。 本报告详细介绍了模型架构、数据构建、多阶段训练策略、基础设施和实际应用。 我们希望RoboBrain 2.0能推动具身AI研究,并作为构建通用具身代理的实际步骤。 代码、检查点和基准可在https://superrobobrain.github.io获取。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.