機器人前瞻（公眾號：robot_pro）
作者?|??許麗思
編輯?|??漠影
機器人前瞻7月4日報道，今天，極佳視界發布具身基礎模型GigaBrain-0 Preview，90%以上的訓練數據來自該公司自研的世界模型平臺，不到10%來自真機實采數據，成為全球首個主要依靠世界模型生成數據驅動的端到端VLA具身基礎模型。
另外，該公司還將于近期發布面向具身智能方向的世界模型平臺Preview版本。
極佳視界成立于2023年，是一家空間智能公司，致力于將視頻生成提升到4D世界模型，使AI大模型具備對4D空間理解、生成、常識和推理能力，進而實現4D空間中交互和行動。
極佳視界創始人兼CEO黃冠是清華大學AI方向博士，擁有超過十年的AI技術和產業經驗，曾在微軟、三星、地平線等負責算法工作，擁有AI、自動駕駛等方向連續創業經驗。
GigaBrain-0 Preview的執行過程如下：
- 在輸入端，對RGB圖像與深度信息進行聯合編碼，提升模型對3D空間結構的理解能力以及對復雜場景的感知表征。
- 在輸出端，系統可利用多種感知模塊的中間輸出（2D框、3D框、6DoF抓取點，末端執行器軌跡等）作為多模態監督信號，增強決策過程的準確性和魯棒性。
- 引入了面向語言任務拆解的思維鏈（Chain-of-Thought,CoT）機制，將高層用戶指令逐步解析為低層可執行的prompt，實現任務邏輯的結構化分解。與此同時，前序感知模塊輸出的中間結果也為CoT提供了空間推理所需的語義支持。
- 低層執行prompt將激活對應的action expert模塊，并通過降噪解碼機制生成機器人可執行的動作序列，從而實現從感知到動作的完整控制。
在多項復雜任務中，GigaBrain-0 Preview都表現不錯。
在疊衣服時，GigaBrain-0不僅可以絲滑精細的完成任意形態和多種款式的衣服自動疊放，而且在疊放過程中可以對中間狀態進行主動思考，自動修正疊放方式和平整度。
面對物品擺放混亂的餐桌，模型會自主推理最優策略，先思考餐盤怎么擺放，然后雙臂協同完成垃圾清掃工作。就算人為再次隨機丟棄垃圾，模型也能迅速識別并主動調整策略，反復清掃直至桌面整潔。
在沖倒飲料這一類需要雙臂協同完成長程任務中，GigaBrain VLA模型實現了對長程任務的子任務的自動拆分和模型指令遵循。此外，它還對動作進行了平滑性約束，以確保在飲料不灑出。
模型還支持自然語音交互，比如用戶只需一句話就可以觸發餐具擺放任務。
相比于真機的實際采集，基于世界模型的仿真2.0在數據獲取效率上展現出明顯優勢，其生成效率可以達到真機采集的10-100倍以上。
這種效率提升，不僅可以降低了數據采集的時間成本，還使得大規模、快速迭代的數據生成和模型迭代成為可能，為物理世界通用智能的訓練和測試提供了支持。
