高德发布具身推理模型 ABot-ER 并开源 2B 至 35B-A3B 五种规模
高德视觉技术中心推出统一具身推理模型 ABot-ER,以智能体驱动的数据—模型自进化引擎将模型错误转化为下一轮数据需求,并用任务条件化训练协调多任务学习。单个 9B 权重在十二项具身推理基准上取得综合 SOTA,其中 RoboVQA 达 71.79、Cosmos 达 68.96、VABench-P 达 63.33。
推荐理由:高德开源五种规模的具身推理模型与训练数据,读者可了解其数据与模型自进化的训练方法。
高德视觉技术中心推出统一具身推理模型 ABot-ER,以智能体驱动的数据—模型自进化引擎将模型错误转化为下一轮数据需求,并用任务条件化训练协调多任务学习。单个 9B 权重在十二项具身推理基准上取得综合 SOTA,其中 RoboVQA 达 71.79、Cosmos 达 68.96、VABench-P 达 63.33。
推荐理由:高德开源五种规模的具身推理模型与训练数据,读者可了解其数据与模型自进化的训练方法。
高德发布流式三维重建模型 ABot-Recon,使用固定 12 帧局部上下文,从连续 RGB 视频在线估计相邻相对位姿与稠密局部几何,并组合生成全局轨迹和场景。
推荐理由:将长序列任务拆成固定窗口内的局部预测与在线组合,为控制模型状态开销提供了可迁移思路,同时明确了累计漂移的边界。