极佳视界推出GigaBrain-0.5M VLA模型 突破具身智能长时程瓶颈

极佳视界推出GigaBrain-0.5M VLA模型 突破具身智能长时程瓶颈

曾让具身智能折戟的长时程琐碎任务，如今迎来全新突破口。曾在RoboChallenge拿下全球第一的GigaBrain系列模型，日前推出进化体GigaBrain-0.5M*VLA大模型。该模型凭借世界模型条件驱动与“人在回路”持续学习机制，在叠衣服、冲咖啡等复杂长时程任务中实现数小时零失误，成功率逼近100%，一举突破具身智能此前的性能天花板。

叠衣服要对齐衣边、调整褶皱，冲咖啡需精准控制水量与水温，折纸盒要按顺序压痕成型——这些看似简单的日常任务，却曾是具身智能领域难以跨越的“长时程”鸿沟。此前的具身智能模型，往往在这类需要多步骤连贯决策、持续感知环境变化的任务中，因中间某一环节的微小偏差导致整体失败，长时程任务成功率始终低迷，成为制约具身智能落地家用服务、工业流水线等场景的核心障碍。

而极佳视界最新推出的GigaBrain-0.5M*VLA大模型，正是瞄准这一痛点而来。作为曾斩获RoboChallenge全球冠军的GigaBrain-0.1的进化体，这款新模型在性能上实现了质的飞跃。其核心突破在于两大技术架构：首先是世界模型条件驱动机制，模型不再仅依赖当下的环境感知输入，而是通过内置的世界模型预判未来动作的状态与价值，将这些预测结果作为决策的核心依据。比如在执行冲咖啡任务时，模型会提前预判倒水角度对水流的影响、水温变化对咖啡萃取的效果，据此实时调整动作幅度，从根源上降低失误概率，大幅提升长时程任务的鲁棒性。

其次是创新引入的“人在回路”持续学习机制，打破了传统具身智能模型“训练完成即定型”的局限。系统会收集模型在真实环境中的推演轨迹，经人工筛选校正后重新用于迭代训练，让模型基于真实交互反馈不断优化决策策略，形成“行动—反思—进化”的完整闭环。这种持续学习模式，使得模型能在一次次任务中自我修正，逐步适应不同环境下的任务需求，最终实现数小时零失误的稳定运行。

在与主流具身智能方法RECAP的直接对比测试中，GigaBrain-0.5MVLA的优势尽显：它将复杂长时程任务的成功率直接拉升至近100%，而RECAP在同类任务中的表现与之差距显著。这一数据意味着，具身智能终于能够摆脱“实验室演示”的
从家用服务机器人代替人类完成日常家务，到工业机器人执行复杂的流水线组装任务，再到养老陪护机器人提供长时间的辅助服务，GigaBrain-0.5MVLA的出现，为具身智能的落地应用打开了新的想象空间。业内专家认为，这款模型的技术突破，不仅刷新了具身智能的长时程任务纪录，更推动整个行业向“通用化、实用化”的方向迈进一步。

随着具身智能技术的不断迭代，我们或许不用等待太久，就能看到真正能“走进生活”的机器人——它们能精准完成每一项琐碎家务，持续稳定地提供服务，成为人类生活中可靠的帮手。