新京報貝殼財經(jīng)訊（記者韋博雅）1月9日，銀河通用發(fā)布端到端具身抓取基礎(chǔ)大模型 GraspVLA。

銀河通用介紹，GraspVLA 的訓(xùn)練包含預(yù)訓(xùn)練和后訓(xùn)練兩部分。其中預(yù)訓(xùn)練完全基于合成大數(shù)據(jù)，訓(xùn)練數(shù)據(jù)達到十億幀“視覺-語言-動作”對，掌握泛化閉環(huán)抓取能力、達成基礎(chǔ)模型。預(yù)訓(xùn)練后，模型可直接在真實場景和物體上零樣本測試，并具有七大泛化能力；針對特別需求，后訓(xùn)練僅需小樣本學(xué)習(xí)即可遷移基礎(chǔ)能力到特定場景，滿足產(chǎn)品需求的專業(yè)技能。

銀河通用還給出了VLA（（視覺-語言-動作模型））達到基礎(chǔ)模型需滿足的七大泛化標(biāo)準(zhǔn)，即光照泛化、背景泛化、平面位置泛化、空間高度泛化、動作策略泛化、動態(tài)干擾泛化和物體類別泛化。

銀河通用表示，對于特定場景的特殊需求， GraspVLA 也具備對新需求的適應(yīng)及遷移能力。如在工業(yè)場景中，僅需采集少量軌跡進行快速后訓(xùn)練，GraspVLA 便可掌握諸如接線座（Wiring Base）、三角板（Triangular Panel）、黑色軟管（Black Hose）等特殊工業(yè)名詞，能從任意擺放的密集場景中找出對應(yīng)零件。

校對 柳寶慶