清华系面壁智能开源具身智能模型MiniCPM-Robot，攻克记忆难题

面壁智能开源具身智能模型MiniCPM-Robot，通过极致视觉Token压缩让机器人拥有长期记忆，在RMBench榜单上以53.5分碾压美国模型pi0.5的10.4分，解决了VLA模型“算力扛不住记忆”的行业难题。

• 核心突破在于视觉Token的极致压缩技术：将多路相机画面高效压缩，使单步决策仅需120ms（pi0.5需234ms），且带记忆推理的算力成本（1.3 TFLOPS）远低于无记忆模型（5.0 TFLOPS）。
• MiniCPM-RobotManip在RMBench上下文记忆测试中得分53.5，而美国知名模型pi0.5仅10.4；在LIBERO等传统榜单也跻身第一梯队。
• 同时开源追踪导航模型MiniCPM-RobotTrack，支持无网环境下的零样本跟随，原生适配宇树Go2机器狗，可在电梯、地下车库等场景稳定工作。
• 模型参数仅1.5B，继承自MiniCPM-V 4.6（下载量超200万），通过“减法”实现低成本、高记忆的机器人推理。
• 影响/看点：面壁智能用开源策略和极致压缩技术，让具身智能从“单帧反应”迈向“带记忆推理”，大幅降低机器人部署成本，可能加速家庭服务、工业协作等场景的落地。

本内容由 AI 生成，仅供参考，请注意甄别