GroundingPI: A Grounding Foundation Model towards Physical Intelligence with Visual Primitives
Aggiunta all'archivio di AIChronos il (numero del 13 ottobre 2026 ricostruito)· fonte del · Qize Yu, Lianrui Fan, Boyu Chen, Jiaqi Liang, Xini Ding, Yue Chen (XPENG AI)
GroundingPI è un modello fondazionale da 4 miliardi di parametri progettato per il grounding preciso e rapido in scenari caotici o con oggetti piccoli. Il modello genera punti e box come coordinate quantizzate in un vocabolario condiviso, superando i limiti dei backbone general-purpose esistenti nelle applicazioni a ciclo chiuso. Attraverso una combinazione di pre-addestramento multimodale/spaziale, fine-tuning supervisionato e reinforcement learning (GRPO), GroundingPI stabilisce nuovi record su 34 benchmark coprendo 11 capacità percettive.
- GroundingPI supera GPT-6 Astra ottenendo una media del 73.68% sui benchmark di grounding, contro il 71.54% dell'alternativa più grande.
- Come backbone visivo per la manipolazione robotica su RoboTwin 2.0, outperforms tutti i modelli mainstream nei quattro scenari out-of-distribution con un miglioramento fino al 24.8% relativo.
- L'utilizzo di GroundingPI come backbone visivo nel dominio del guida autonoma (nuScenes) riduce l'errore L2 medio a 0.296 m in regime open-loop.
- Un pre-addestramento mirato al grounding denso e all'OCR si rivela cruciale per migliorare le prestazioni sia nella manipolazione robotica che nel guida autonoma.
- Il modello dimostra efficacia anche con meno dati: su RoboCasa-GR1, l'addestramento con il 50% delle dimostrazioni batte i baseline formati con il 75%.
Perché conta. Per gli sviluppatori di agenti e AI locale, GroundingPI offre un backbone visivo specializzato che risolve problemi critici come la precisione in ambienti caotici e la latenza per il controllo a ciclo chiuso, essenziali per l'integrazione fisica dei modelli linguistici.
Vai alla fonte originale ↗ arXiv ↗
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.