允中 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI

疊衣服、沖咖啡、折紙盒。

這些看似瑣碎的小事，曾是具身智能跨不過去的“長時程”深淵。

但現(xiàn)在，紀(jì)錄被刷新了：數(shù)小時零失誤、持續(xù)穩(wěn)定運(yùn)轉(zhuǎn)。

還記得此前在RoboChallenge斬獲全球第一的GigaBrain-0.1嗎？

它的進(jìn)化體——GigaBrain-0.5M*VLA大模型現(xiàn)在悄然登場了。

性能更強(qiáng)大，依靠世界模型條件驅(qū)動，以世界模型對未來狀態(tài)與價值的預(yù)測結(jié)果作為條件輸入，可顯著提升模型在長時程任務(wù)中的魯棒性。

在此基礎(chǔ)上，GigaBrain-0.5M*創(chuàng)新引入人在回路持續(xù)學(xué)習(xí)機(jī)制，系統(tǒng)依托經(jīng)人工篩選與校正的模型推演軌跡開展迭代訓(xùn)練，基于真實環(huán)境交互反饋持續(xù)優(yōu)化決策策略，最終實現(xiàn)“行動—反思—進(jìn)化”的閉環(huán)式持續(xù)學(xué)習(xí)與自主迭代升級。

在與主流方法RECAP的正面硬剛中，它直接把任務(wù)成功率強(qiáng)行拉升了30%

能反思、會進(jìn)化，具身智能的“原生范式”，這次看來真的變天了。

基于世界模型的強(qiáng)化學(xué)習(xí)的訓(xùn)練范式

在GigaBrain-0.5M*的研發(fā)中，極佳視界團(tuán)隊提出基于世界模型的強(qiáng)化學(xué)習(xí)范式，并采用迭代式四階段閉環(huán)訓(xùn)練流程：

• 基于大規(guī)模機(jī)器人操作數(shù)據(jù)完成世界模型預(yù)訓(xùn)練，實現(xiàn)對未來狀態(tài)及對應(yīng)價值的精準(zhǔn)預(yù)測；
• 以世界模型輸出的未來狀態(tài)預(yù)測與價值評估為條件，對策略網(wǎng)絡(luò)進(jìn)行微調(diào)，以指引動作決策；
• 將條件化策略部署至真實物理環(huán)境，依托人在環(huán)（Human-in-the-Loop）干預(yù)機(jī)制，采集模型自主推演軌跡數(shù)據(jù)；
• 利用經(jīng)篩選后的有效軌跡數(shù)據(jù)集，聯(lián)合優(yōu)化世界模型與決策策略，實現(xiàn)模型持續(xù)學(xué)習(xí)與自主進(jìn)化。

數(shù)小時連續(xù)零失誤執(zhí)行

在與AWR、RECAP等主流模仿學(xué)習(xí)與強(qiáng)化學(xué)習(xí)基線方法的系統(tǒng)對比中，GigaBrain-0.5M*展現(xiàn)出顯著優(yōu)勢，在相同任務(wù)設(shè)定下，相較于由π*0.6所提出的RECAP基線，任務(wù)成功率提升近30%，并實現(xiàn)了穩(wěn)定可靠的模型效果。

尤其在高難度長時程任務(wù)中，面對折紙盒、咖啡制備、衣物折疊等包含多階段操作、精細(xì)感知與持續(xù)決策的復(fù)雜場景，GigaBrain?0.5M*均實現(xiàn)接近100%的任務(wù)成功率，并可穩(wěn)定復(fù)現(xiàn)成功執(zhí)行軌跡，充分彰顯出卓越的策略魯棒性。

高效且準(zhǔn)確的價值預(yù)測

實驗結(jié)果表明，基于世界模型的價值預(yù)測方案在執(zhí)行效率與預(yù)測精度上，均優(yōu)于π*0.6所提出的VLM方案。

該方案的核心優(yōu)勢源自對未來狀態(tài)的顯式建模與世界模型單步降噪機(jī)制，可為價值函數(shù)提供關(guān)鍵的時序上下文支撐，讓價值估計實現(xiàn)更高效、更精準(zhǔn)、更穩(wěn)定的輸出。

疊衣服任務(wù)為例：

• 任務(wù)初期，機(jī)械臂反復(fù)調(diào)整衣物姿態(tài)時，預(yù)測價值呈現(xiàn)合理波動；
• 當(dāng)衣物擺正、進(jìn)入穩(wěn)定疊放階段，價值曲線穩(wěn)步上升；
• 若中途出現(xiàn)干擾物，價值驟降以反映任務(wù)受阻；
• 待干擾物被移除后，價值迅速恢復(fù)增長趨勢。

這種與任務(wù)物理進(jìn)程高度對齊的價值演化，正是世界模型提供“認(rèn)知先驗”的直接體現(xiàn)。

上萬小時的訓(xùn)練數(shù)據(jù)

GigaBrain-0.5M*的基座模型GigaBrain-0.5基于總計10,931小時的多樣化機(jī)器人操作數(shù)據(jù)進(jìn)行預(yù)訓(xùn)練，其中：

• 61%（6,653小時）由自研具身世界模型GigaWorld高保真合成，覆蓋紋理遷移、視角變換、人手到機(jī)械臂映射等豐富場景；
• 剩余39%（4,278小時）源自真實機(jī)器人采集，確保策略在物理世界中的可執(zhí)行性。

海量數(shù)據(jù)的引入，顯著拓展了模型的任務(wù)覆蓋廣度與策略魯棒性，使其在面對復(fù)雜、長時程操作任務(wù)時具備更強(qiáng)的泛化能力；

而GigaWorld生成的合成數(shù)據(jù)，則有效突破了真實采集的長尾瓶頸。

通過可控地生成新紋理、新物體位姿與新觀測視角下的訓(xùn)練樣本，增強(qiáng)了模型在分布外場景中的適應(yīng)性，為具身智能走向開放世界奠定了數(shù)據(jù)基石。

這背后，是極佳視界對具身智能進(jìn)化路徑的深遠(yuǎn)布局。

通過“基模-本體-場景”的深度打磨，極佳圍繞世界模型平臺GigaWorld、通用具身大腦GigaBrain、原生本體Maker構(gòu)筑起了一套能自我進(jìn)化的閉環(huán)生態(tài)。

這種體系化的作戰(zhàn)方式，讓極佳視界不僅在實驗室里斬獲冠軍，更具備了將進(jìn)化效率提升10-100倍的硬實力，致力于推動通用機(jī)器人服務(wù)千行百業(yè)、走進(jìn)千家萬戶。

論文鏈接：
https://arxiv.org/pdf/2602.12099
項目鏈接：
https://gigabrain05m.github.io/