身体知能という分野では、これまでの戦いは主に大手企業や研究機関が専門だった。モデルが大きすぎてハードルが高いため、一般の開発者は実際のロボットに触ることすらできなかった。7月19日、面壁インテリジェンス（OpenBMB）はこのドアを直接破り飛ばした。初めての身体知能AIモデルシリーズ「MiniCPM-Robot」をオープンソース化し、1.5Bパラメータを持つ視覚-言語-行動モデルを完全公開した。これにより、個人開発者も実際のロボットで操作とターゲットトラッキングを行うことが可能になった。このような開放性は、身体知能分野において非常に珍しい。

image.png

このシリーズには3つのコアコンポーネントが含まれる。その一つが「MiniCPM-RobotManip」で、1.5Bパラメータを持つ汎用的な視覚-言語-行動（VLA）モデルであり、ロボット操作を担当する。もう一つは「MiniCPM-RobotTrack」で、現実世界のターゲットトラッキング向けのコンパクトなモデルである。これらに加え、面壁は高性能な推論フレームワーク「PhyAI」も同時に公開した。これは身体知能モデルのために構築されたもので、目的は明確だ。ロボットが理解・記憶・行動ができるようにすることである。この3つが協力して、効率的で実用的かつオープンな身体知能を、論文やデモから現実世界のロボットへと一歩ずつ進めていく。

開発者にとって最も実用的なのは、手の届く範囲にあることだ。モデルの重みとコードはGitHubのリポジトリ「github.com/OpenBMB/MiniCPM-Robot」にホストされており、MiniCPM-RobotManipとMiniCPM-RobotTrackそれぞれの重みもHugging Faceで無料ダウンロード可能である。ロボットを開発している人であれば、今すぐクローンして動作させることができる。

1.5BのVLAモデルが研究室に閉じ込められなくなった今、身体知能の普及スピードは、多くの人の予想を超える可能性がある。

プロジェクトのアドレス：https://github.com/OpenBMB/MiniCPM-Robot