近日，银河通用科技公司联合北京智源人工智能研究院、北京大学和香港大学，隆重推出了名为 GraspVLA 的端到端具身抓取基础大模型。这一模型的问世标志着具身智能技术的一次重大突破，具备了感知、学习和环境交互的综合能力。
GraspVLA 的训练过程包括预训练和后训练两个阶段。其中，预训练阶段基于十亿帧的数据进行，确保了模型在多种场景下的高泛化性与零样本测试的能力。这意味着，模型能够在未见过的环境和任务中，仍然展现出卓越的抓取性能。这种能力的提升，预示着未来智能机器人在实际应用中的灵活性和适应性将大大增强。
图源备注：图片由AI生成，图片授权服务商Midjourney
官方还发布了七大泛化 “金标准”，这为行业提供了新的评估依据。这些标准不仅为开发者提供了明确的目标，也为科研人员在模型优化和应用实践中提供了方向。银河通用表示，GraspVLA 的推出将为机器人的自主操作、物体识别及复杂环境下的互动提供强有力的支持。
随着人工智能技术的不断进步，具身抓取技术的应用前景广阔，GraspVLA 作为这一领域的先行者，将在仓储物流、制造业、医疗服务等多个行业发挥重要作用。未来，机器人将不再局限于简单的重复性劳动，它们将能够学习和适应不同的环境，完成更复杂的任务，甚至与人类进行更为自然的互动。
在本次发布会上，参与的各大机构也表示，未来将继续致力于推动这一领域的发展，探索更多实用的应用场景。GraspVLA 的发布，象征着智能机器人向 “懂得抓取” 的新时代迈出了坚实的一步。
