理应资讯
制造智能化

小鹏联合高校开源 GroundingPI:四亿参数感知模型对标三十四项基准

理应编辑室 ·

十一月四日小鹏新闻稿介绍 GroundingPI:约 4B 参数的开源视觉感知模型,在三十四项基准等权均分七十三点六八;论文与权重已公开,下游结果限于仿真。

小鹏汽车于十一月四日在官方新闻稿中介绍,其关联研究人员与北京大学、香港大学等合作方开源了面向 Physical AI 的视觉感知基础模型 GroundingPI。模型约四十亿参数,研究团队在三十四项公开感知基准、十一类能力上给出等权综合分七十三点六八,高于其对照表中的 GPT-6 Astra(七十一点五四);论文、权重与代码已公开。新闻稿同时写明:这一对比只针对所列感知基准,并不代表更广的通用智能评估,也不构成小鹏量产车或机器人产品已集成该模型的承诺。

技术路线上,GroundingPI 把目标放在「看清物体在物理世界里的位置」:用点与框等空间坐标表达检测、指代、OCR、文档版面、界面元素与机器人空间定位等十一类能力,而不是在感知预训练阶段依赖机器人动作标签。官方举例,当指令是「找出右边那只杯子的把手」时,系统既要锁定正确杯子,也要给出把手的精确位置。研究页与 GitHub 仓库将其描述为生成量化坐标的 grounding 基础模型,并可作为下游视觉骨干接到操作与驾驶评测。项目站点、arXiv 论文与 Hugging Face 权重入口一并写在新闻稿末尾,便于复现。

仿真侧,新闻稿称在 RoboCasa-GR1 上,以 GroundingPI 为视觉骨干、只用一半示教数据的系统,任务成功率高于对照骨干用四分之三数据的结果;在 RoboTwin 2.0 的四种分布外设定中也好于所列主流骨干,相对最强对照骨干的相对提升最高约二十四点八个百分点(研究团队口径);在 nuScenes 开环轨迹预测中报告平均 L2 误差零点二九六米。论文摘要还提到,随着感知预训练规模扩大,下游驾驶与操作指标会跟着改善,并讨论了稠密 grounding 与 OCR 在数据配方中的作用。上述数字均来自研究团队评测与仿真,属于受控实验,不能外推为上路或产线已验证效果。

对制造、仓储机器人与自动驾驶感知团队,这条发布的意义在于:把「感知预训练」从通用多模态大模型里拆出来,用更小的专用模型换更稳的定位与更高的示教数据效率,并直接开源权重方便对照实验。落地前仍需核对许可证、算力与延迟,以及仿真到真机的落差;新闻稿也强调下游结果基于仿真与离线评估,尚未证明商业部署就绪,更不宜把基准表上的分数读成产品规格。

参考资料

  1. XPENG Researchers and Academic Partners Introduce GroundingPI · XPENG
  2. groundingpi/GroundingPI · GitHub
  3. GroundingPI: A Grounding Foundation Model towards Physical Intelligence with Visual Primitives · arXiv