小模型也能做复杂机器人操作
推荐指数 71.0 NO. 024 · 2026.06.19
upvotes23comments4
为什么值得看
Guava 是一个具身智能工具调用框架，通过将高层推理与感知、规划、控制等外部模块解耦，让小模型用极少训练数据完成复杂操作任务。对资源有限的机器人团队来说，这可能是避开端到端 VLA 高成本路线的务实替代方案。
媒体预览
编辑判断
端到端 VLA 模型（如 RT-2、OpenVLA）的痛点是数据饥渴和算力门槛，Guava 的路线是反着来的：不做大一统模型，而是把任务拆给专用模块，语言模型只负责调度和推理。这有点像机器人界的"智能体架构"，和 AutoGPT 那套思路同源，但落地更务实。
论文提到用了 7B 规模的 VLM 就能达到不错效果，没有公布具体对比数字是遗憾。如果开源代码完整，做机械臂、服务机器人的小团队可以优先试这条路线，比追 SOTA 大模型现实得多。