InternVLA·M1 ：上海AI Lab开源的具身双系统操作大模型

5 0 0

AI智库导航-aiguide.cc为您提供最新的AI新闻资讯和最新的AI工具推荐，在这里你可以获得用于营销的AI聊天机器人、AI在商业管理中的应用、用于数据分析的AI工具、机器学习模型、面向企业的AI解决方案、AI在商业客户服务中的应用、AI和自动化工具等。

主要介绍

InternVLA·M1是上海人工智能实验室（上海AI Lab）于2025年9月17日开源的具身双系统操作大模型，属于其「书生」具身全栈引擎（Intern-Robotics）体系的一部分。该模型以“感知-规划-行动”闭环为核心，专为机器人复杂操作任务设计，通过双系统架构（高阶空间推理与低阶运动执行解耦）实现高效的任务规划与精准动作生成。模型依托自研的虚实混合数据集（InternData-M1）进行大规模预训练，支持跨场景、跨本体的高动态操作，并在真机实验中展现出显著优于GR00t、π0等国际顶尖模型的泛化能力。

功能特点

双系统解耦架构：
- “大脑”系统（InternVLA·M1）：负责高阶空间推理与任务规划，通过空间感知预训练增强模型对3D场景的理解能力，支持隐式空间推理提示，仅需少量指令即可生成可执行计划。
- “小脑”系统（InternVLA·A1）：负责敏捷精准的运动执行，基于虚实混合数据集（InternData-A1）训练，支持多机器人协作与高频动态避障。
跨场景泛化能力：
- 在未见过的场景中，模型可通过少量微调快速适应新任务，例如从工业装配迁移到物流搬运。
高效数据利用：
- 结合自研仿真平台（InternData-M1）生成大规模合成数据，降低真机数据采集成本，数据效率提升66%。
多机器人适配：
- 已适配国地青龙人形机器人、智元Genie、Franka等多款机器人本体，支持用户快速部署新场景。

优缺点

优点：

性能领先：在SimplerEnv等基准测试中达国际领先水平，真机实验成功率超GR00t 15%。
低成本部署：通过合成数据驱动，真机数据需求降低90%，适合资源有限团队。
模块化设计：双系统可独立优化，便于集成到现有机器人框架中。

缺点：

复杂动作精度不足：在柔性物体操作（如布料折叠）中仍需改进。
实时性瓶颈：高频动态避障场景下推理延迟略高于专用模型。

如何使用

环境配置：
- 安装Python 3.8+、PyTorch及Hugging Face transformers库。
任务推理：
- 通过JSON-RPC协议定义操作指令（如抓取、放置），模型生成可执行动作序列。
真机适配：
- 根据机器人本体调整动作映射表，支持ROS、MCP等协议集成。

框架技术原理

双系统协同训练：
- 阶段一（空间感知预训练）：在2D/3D合成数据上训练模型的空间推理能力，生成场景语义图。
- 阶段二（隐式空间推理）：通过语言指令微调，使模型理解“将物体A移动到位置B”等抽象任务。
虚实数据融合：
- 合成数据占比80%（通过InternData-M1生成），真机数据占比20%（用于校准物理交互参数）。
强化学习优化：
- 结合通用奖励大模型（VLAC）提供过程反馈，提升模型在复杂任务中的探索效率。