⏶27
RoboBrain 2.0 技术报告
发表
由 
Adina Yakefu 提交
Adina Yakefu 提交作者: BAAI RoboBrain Team, 
Mingyu Cao, 
Huajie Tan, 
Yuheng Ji, 
Minglan Lin, 
Zhiyu Li, 
Zhou Cao, Pengwei Wang, 
Enshen Zhou, 
Yi Han, Yingbo Tang, Xiangqi Xu, 
Wei Guo, Yaoxu Lyu, Yijie Xu, Jiayu Shi, 
Cheng Chi, 
Mengdi Zhao, Xiaoshuai Hao, Shanyu Rong, Zhengliang Cai, Bolun Zhang, Shuyi Zhang, 
Huaihai Lyu, Mengfei Du, Lingfeng Zhang, Xi Feng, Xiaodan Liu, Yance Jiao, Chenrui He, 
Mengsi Lyu, Zhuo Chen, 
Yulong Ao, Xue Sun, Zheqi He, Jingshu Zheng, Xi Yang, Donghai Shi, Kunchang Xie, Bochao Zhang, Shaokai Nie, Chunlei Men, Yonghua Lin, Zhongyuan Wang, Tiejun Huang, Shanghang Zhang
Mingyu Cao, Huajie Tan, Yuheng Ji, Minglan Lin, Zhiyu Li, Zhou Cao, Pengwei Wang, Enshen Zhou, Yi Han, Yingbo Tang, Xiangqi Xu, Wei Guo, Yaoxu Lyu, Yijie Xu, Jiayu Shi, Cheng Chi, Mengdi Zhao, Xiaoshuai Hao, Shanyu Rong, Zhengliang Cai, Bolun Zhang, Shuyi Zhang, Huaihai Lyu, Mengfei Du, Lingfeng Zhang, Xi Feng, Xiaodan Liu, Yance Jiao, Chenrui He, Mengsi Lyu, Zhuo Chen, Yulong Ao, Xue Sun, Zheqi He, Jingshu Zheng, Xi Yang, Donghai Shi, Kunchang Xie, Bochao Zhang, Shaokai Nie, Chunlei Men, Yonghua Lin, Zhongyuan Wang, Tiejun Huang, Shanghang Zhang摘要
我们推出了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复杂具身任务的感知、推理和规划。它有两个变体：一个轻量级的7B模型和一个全尺寸的32B模型，采用视觉编码器和语言模型组成的异构架构。尽管其体积紧凑，RoboBrain 2.0在广泛的具身推理任务中表现出色。在空间和时间基准上，32B变体取得了领先成果，超越了先前的开源和专有模型。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、多智能体长周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能够推进具身AI研究，并作为构建通用具身智能体的实用一步。代码、检查点和基准可在https://superrobobrain.github.io获取。
RoboBrain2.0：开放式嵌入脑模型。