4B模型解决机器人视觉定位难题
推荐指数 79.0 NO. 018 · 2026.10.14
upvotes246comments1
为什么值得看
GroundingPI 是一个 40 亿参数的 grounding 基础模型，用量化坐标统一输出点和框，解决杂乱场景中微小物体的实时精确定位问题。对做机器人闭环控制的工程师来说，这是 VLA 模型长期忽视的感知瓶颈。
媒体预览
编辑判断
当前主流的 VLA 模型如 OpenVLA、π0 都把感知交给通用 VLM backbone，遇到遮挡、小物体时定位延迟和精度都不够，闭环控制直接崩。GroundingPI 把 grounding 从 VLA 里解耦出来单独训，用 GRPO 做 RL 优化，输出格式是离散的 token 坐标而不是连续回归，推理更快。
论文提到用了自研的数据引擎，但公开数据集占比多少、GRPO 的 reward 怎么设计这些关键细节没展开。如果开源代码和模型权重能跟上，做机械臂抓取、无人机跟踪的团队可以把它当作感知模块直接替换掉原来的 SAM + VLM 组合， latency 预计能降一个数量级。