IT之家 2 月 1 日消息，優(yōu)必選現(xiàn)已開源具身智能大模型 Thinker，依托小參數(shù)、高性能、全開源特性，旨在加快具身智能迭代節(jié)奏，進(jìn)而驅(qū)動(dòng)單機(jī)自主與群體智能的協(xié)同進(jìn)化，為工業(yè)人形機(jī)器人提供下一代“大腦”。

據(jù)官方公眾號(hào)今日消息，當(dāng)前機(jī)器人領(lǐng)域大模型普遍表現(xiàn)欠佳，在空間理解、視覺感知等關(guān)鍵任務(wù)上精度不足，且參數(shù)普遍較大，難以滿足機(jī)器人對(duì)實(shí)時(shí)性的高要求；其次，互聯(lián)網(wǎng)雖然有海量數(shù)據(jù)，但質(zhì)量普遍參差不齊，制約模型通過(guò) Data  Scaling 實(shí)現(xiàn)性能有效提升。

而 Thinker 大模型以數(shù)據(jù)為核心規(guī)避了這些限制，擁有“精煉提純 - 自動(dòng)化標(biāo)注 - 數(shù)據(jù)驅(qū)動(dòng)訓(xùn)練”全鏈路解決方案，可將 20B 含噪聲、模態(tài)缺失的原始數(shù)據(jù)提純至 10M 級(jí)別，并從視覺、語(yǔ)言、動(dòng)作、環(huán)境等數(shù)據(jù)中過(guò)濾出 1% 的候選數(shù)據(jù)池，還可從質(zhì)量、任務(wù)、場(chǎng)景等多維度進(jìn)行精細(xì)評(píng)價(jià)，篩選最高價(jià)值的數(shù)據(jù)。

此外，Thinker 大模型還擁有“弱監(jiān)督 + 自監(jiān)督 + 少量人工校驗(yàn)”自動(dòng)化標(biāo)注體系，相比傳統(tǒng)全人工標(biāo)注方案成本降低 99%，還可將誤差反饋直接放入標(biāo)注流水線，形成“標(biāo)注-訓(xùn)練-反饋-迭代”閉環(huán)，逐步提升迭代準(zhǔn)確率。

IT之家附該項(xiàng)目開源鏈接如下：

https://github.com/UBTECH-Robot/Thinker

廣告聲明：文內(nèi)含有的對(duì)外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時(shí)間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。