MiniCPM-Robot - 面壁智能开源具身智能 VLA 模型系列

MiniCPM-Robot是什么

MiniCPM-Robot是面壁智能开源的轻量具身智能 VLA 模型系列，包含 1.5B 参数的 MiniCPM-RobotManip 通用操作模型与 0.9B 参数的 MiniCPM-RobotTrack 跟踪导航模型，配套 PhyAI 推理框架。模型采用视觉 Token 压缩与流式上下文记忆技术，支持机械臂长程精细操作与机器狗室内外目标跟踪，可在弱网环境下端侧本地运行，推理延迟低至 120ms，在主流评测中跻身第一梯队。

MiniCPM-Robot的主要功能

• MiniCPM-RobotManip：控制机械臂完成长程操作任务（如做三明治），支持多摄像头输入，具备上下文记忆能力，可记住任务进度与历史动作。
• MiniCPM-RobotTrack：让机器狗根据自然语言指令持续跟踪指定目标，支持单目标跟踪、多人干扰跟踪和模糊目标跟踪，可在弱网/无网环境下本地运行。

MiniCPM-Robot的技术原理

• 视觉 Token 压缩：过滤与任务无关的冗余视觉信息，减少单次推理计算量。
• 流式上下文记忆：复用已处理的历史信息，新画面只需增量计算，避免长任务计算量暴涨。
• 自进化数据管线：在仿真与真实环境中主动暴露模型薄弱环节，收集错误场景进行专家纠偏与闭环训练。

微信关注回复“开源”，加入AI开源项目交流群

如何使用MiniCPM-Robot

• 环境准备：
  • 克隆 GitHub 仓库并安装依赖。
  • 准备硬件：机械臂（RobotManip）或宇树 Go2 Edu 机器狗（RobotTrack）。
• 模型加载：从 Hugging Face 下载对应模型权重。通过 PhyAI 框架加载模型，完成量化与算子优化。
• 摄像头接入：配置腕部相机与主视角相机（RobotManip）或机器狗原装摄像头（RobotTrack）。
• 指令输入：输入自然语言指令（如”跟着前面穿黑衣服的人”或”做三明治”）。
• 一键启动：运行开源脚本，模型接收视觉与语言输入，输出机器人动作指令并执行。

MiniCPM-Robot的核心优势

• 极小参数，第一梯队性能：1.5B 参数在 LIBERO、Calvin、RoboTwin2 等评测中比肩 π0.5 等更大模型；RMBench 上下文记忆得分约 53 分，远超 π0.5 的约 10 分。
• 推理延迟减半：H100 上单帧决策延迟约 120ms，接近 π0.5（234ms）的一半。
• 纯端侧运行：机器狗本地算力即可稳定 5Hz 以上跟踪，断网仍能持续工作。

MiniCPM-Robot的项目地址

• 项目官网：https://github.com/OpenBMB/MiniCPM-Robot
• HuggingFace模型库：
  • https://huggingface.co/openbmb/MiniCPM-RobotManip
  • https://huggingface.co/openbmb/MiniCPM-RobotTrack

MiniCPM-Robot的同类竞品对比

维度MiniCPM-RobotManipπ0.5参数量1.5B3B开源✓✓LIBERO97.596.9Calvin4.14.1RMBench53.5~10单帧延迟~120ms~234ms上下文记忆流式复用历史信息主要基于单帧判断端侧部署支持本地运行通常需云端算力

MiniCPM-Robot的应用场景

• 餐饮备餐：双臂机械臂按指令完成取面包、夹生菜火腿鸡蛋等长程三明治制作任务。
• 展厅导览：机器人在无网环境下基于本地知识库完成离线讲解、自由问答与路线规划。
• 园区巡检：机器狗识别车辆违停、路面异常与公共设施问题，敏感画面本地处理不上云。
• 仓储物流：机器人执行货架取放、物料搬运等长程操作，失败时自动重试与恢复。
• 室内外跟随：机器狗根据自然语言指令在电梯、地下停车场等弱网环境中持续跟踪目标人物。