perceptroninc发布Isaac 0.5 机器人模型性能大涨成本大降

互联网视频现在成了机器人训练数据！🛜 @perceptroninc 这家由打造了 Chameleon 多模态模型的前 Meta 团队创立的初创公司，刚刚发布了 Isaac 0.5，这是一个开源具身基础模型。

同一组权重就能实现：回答关于视频的问题、定位物体、长期追踪物体、报告任务进度，以及生成机器人动作。它从感知中习得的内容直接塑造了它的行为。

为了让大模型运行速度足以满足控制需求，他们基于一种叫做 Null Experts 的技术构建：每个 token 可以选择激活多少个专家，因此模型会把更多算力投入到场景的困难部分，轻松应对简单部分。

→ 360 亿参数稀疏模型，在 35 个以上机器人系统和 3T 多模态 token 上训练
→ 在 ScreenSpot-Pro grounding 任务上得分 62.6，最强的 Qwen3-VL 运行得分是 54.8
→ 推理成本降低了约 8.5 倍，每次请求消耗 26.9 TFLOP，对比原方案的 228.4
→ 在棋子操作任务上，单个回合训练一个周期就将动作损失降低了 10.5 倍

感知和动作共享同一个大脑，算力可以根据任务灵活调整，这是一种真正与众不同的机器人模型架构。而且它完全开放，权重、训练代码、通过 LeRobot 实现推理全部开放。

博客链接在这里：~~ ♻️

欢迎订阅每周机器人通讯，不错过任何新闻 →