Robot 系列模型，含 1.5B VLA 与 0.9B 跟踪模型

核心亮点

面壁智能联合 OpenBMB 发布并开源 MiniCPM-Robot 系列，包含通用 VLA（视觉-语言-动作）模型 MiniCPM-RobotManip（15 亿参数）与移动跟踪模型 MiniCPM-RobotTrack（9 亿参数）。这是端侧机器人大模型的一次重要补位，把原本需要数据中心支撑的具身智能，压缩到可在本地设备运行的轻量规模。

具体能力或事件经过

MiniCPM-RobotManip 定位“通用操作”，负责让机械臂理解语言指令与视觉画面，规划并执行的抓取、摆放等动作；MiniCPM-RobotTrack 则专注“移动跟踪”，让机器人持续锁定目标物体或人，实现跟随与避障。两者参数分别仅 1.5B 与 0.9B，却要完成过去动辄数十 B 的视觉语言模型才敢触碰的具身任务，说明面壁在模型压缩与机器人专用架构上做了针对性取舍。全系列开源，意味着开发者可在自己的硬件上微调与部署。

技术细节

VLA 模型的难点在于把“看、说、做”统一到一条推理链：模型先编码图像与语言，再输出动作 token 或控制信号。15 亿参数要做到可用，需要在数据配方（仿真+真实轨迹）、动作表征（离散化 vs 连续回归）与蒸馏策略上精细设计，避免小模型在长程任务中遗忘目标。RobotTrack 的 0.9B 则更像实时感知模块，以低延迟维持对目标的稳定跟踪，适合嵌入式摄像头与移动底盘的算力约束。

与竞品对比

与 RT-2、OpenVLA 等动辄几十亿参数的机器人大模型相比，MiniCPM-Robot 的显著标签是“小且开源”。大模型能力上限高，却难在端侧实时运行；面壁选择用更小的体量换取可部署性，契合国产机器人“低成本、快落地”的需求。开源策略也让高校与创业团队能零门槛接入，加速具身智能的平民化。

行业影响或适用场景

说白了，机器人能不能普及，关键在“大脑”是否便宜、能否本地跑。MiniCPM-Robot 把 VLA 与跟踪能力压到端侧，可服务于教育机器人、仓储分拣、家庭陪护、农业巡检等场景，减少对云端与高算力卡的依赖。对国内硬件生态，这类轻量开源模型是连接“国产芯片+国产机器人”的粘合剂，有望降低整体方案成本，推动具身智能从实验室走向流水线。