研究人员推出科大讯飞-具身全模态（iFLYTEK-Embodied-Omni），一个专为通用具身智能体设计的新型多模态基础模型。该统一框架联合建模视觉、语言和动作，超越了可能导致误差累积的级联式流水线。该模型采用“大脑-小脑”架构，其中视觉语言和视频生成模型负责高级规划和预测，而动作生成模型则作为低级小脑，将规划转化为可执行动作。该开发涉及一个全面的数据集和四阶段训练策略。 AI
影响 这种统一的多模态模型通过整合视觉、语言和动作处理，有望推动更强大、更多功能的具身AI智能体的发展。
排序理由 该集群包含一份技术报告，详细介绍了一种用于具身AI智能体的新型多模态基础模型。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
