2月1日，優(yōu)必選宣布開(kāi)源具身智能大模型Thinker，這一模型以其小參數(shù)、高性能和全開(kāi)源的特性，致力于加速具身智能的迭代進(jìn)程，并推動(dòng)單機(jī)自主與群體智能的協(xié)同發(fā)展。Thinker大模型旨在為工業(yè)人形機(jī)器人提供更先進(jìn)的“大腦”，以應(yīng)對(duì)當(dāng)前機(jī)器人領(lǐng)域大模型在空間理解、視覺(jué)感知等關(guān)鍵任務(wù)上的精度不足問(wèn)題，同時(shí)解決了參數(shù)過(guò)大和實(shí)時(shí)性要求高的挑戰(zhàn)。

Thinker大模型通過(guò)數(shù)據(jù)為核心的方法，提供了“精煉提純-自動(dòng)化標(biāo)注-數(shù)據(jù)驅(qū)動(dòng)訓(xùn)練”的全鏈路解決方案。該模型能夠?qū)?0B含噪聲、模態(tài)缺失的原始數(shù)據(jù)提純至10M級(jí)別，并從視覺(jué)、語(yǔ)言、動(dòng)作、環(huán)境等數(shù)據(jù)中篩選出1%的候選數(shù)據(jù)池。此外，Thinker還實(shí)現(xiàn)了從質(zhì)量、任務(wù)、場(chǎng)景等多維度進(jìn)行精細(xì)評(píng)價(jià)，以篩選出最高價(jià)值的數(shù)據(jù)。在自動(dòng)化標(biāo)注體系方面，Thinker采用了“弱監(jiān)督+自監(jiān)督+少量人工校驗(yàn)”的模式，與傳統(tǒng)全人工標(biāo)注方案相比，成本降低了99%，并且能夠?qū)⒄`差反饋直接放入標(biāo)注流水線(xiàn)，形成閉環(huán)，逐步提升迭代準(zhǔn)確率。