中科視語重磅發(fā)布 LightPlanner！首個開源輕量化具身推理大模型，打破機(jī)器人輕量與推理能力困局
中科視語在具身智能領(lǐng)域再獲突破！此前，中科視語發(fā)布了PhysVLM——首個開源機(jī)器人物理空間具身大模型。該模型突破了傳統(tǒng)模型普遍存在的局限，通過多模態(tài)感知、動態(tài)環(huán)境建模與自主決策規(guī)劃的深度融合，PhysVLM成功賦予機(jī)器人在復(fù)雜物理空間中類人級的操作能力。
當(dāng)前，中科視語再次取得關(guān)鍵進(jìn)展，發(fā)布首個開源輕量化具身決策深度推理大模型——LightPlanner，通過創(chuàng)新的層次化決策框架，成功突破邊緣設(shè)備上 “輕量與智能不可兼得” 的行業(yè)難題，為機(jī)器人在物流、制造、服務(wù)等場景的規(guī)模化部署奠定了技術(shù)基礎(chǔ)，持續(xù)引領(lǐng)具身智能技術(shù)的創(chuàng)新與發(fā)展。
讓邊緣端機(jī)器人“既能思考又能行動”
傳統(tǒng)大語言模型（LLM）在具身任務(wù)中展現(xiàn)了強(qiáng)大的語義理解能力，但其龐大的參數(shù)規(guī)模難以在邊緣設(shè)備上高效運(yùn)行。輕量級模型雖解決了算力限制，卻因缺乏復(fù)雜推理能力，如在 “抓取最大積木” 等需動態(tài)邏輯判斷的任務(wù)中表現(xiàn)乏力。這一“推理能力瓶頸”已成為制約輕量級具身智能系統(tǒng)規(guī)模化應(yīng)用的核心障礙。
圖1: LightPlanner與主流任務(wù)規(guī)劃方法的對比
針對這一挑戰(zhàn)，中科視語提出了首個具身規(guī)劃決策的輕量化深度推理大模型——LightPlanner。借鑒DeepSeek-R1在復(fù)雜任務(wù)推理中的成功經(jīng)驗(yàn)，LightPlanner通過創(chuàng)新的層次化深度推理和動態(tài)參數(shù)化技能控制方法，充分釋放了多種規(guī)格輕量級LLM的推理能力，以提升其在復(fù)雜任務(wù)規(guī)劃中的性能。LightPlanner在機(jī)器人規(guī)劃決策任務(wù)中復(fù)現(xiàn)了類似DeepSeek-R1的“回溯、反思、糾錯”行為，從而顯著提高了任務(wù)規(guī)劃的準(zhǔn)確性和系統(tǒng)的魯棒性。
圖2: LightPlanner在決策推理時出現(xiàn)的“回溯、反思、糾錯”行為
圖3: LightPlanner框架，生成層次化深度推理與動態(tài)技能控制
LightPlanner三大核心創(chuàng)新突破
● 層次化深度推理
模擬人類決策邏輯，在每一步執(zhí)行前觸發(fā)三層驗(yàn)證：
· 執(zhí)行反饋：通過歷史記憶動態(tài)修正偏差，實(shí)現(xiàn) “錯誤自愈”；
· 語義一致性：確保子動作與全局任務(wù)目標(biāo)對齊；
· 參數(shù)有效性：實(shí)時計(jì)算抓取對象的空間位置等連續(xù)參數(shù)，提升動作精度。
● 參數(shù)化動態(tài)技能鏈
突破固定技能模板限制，通過上下文感知的函數(shù)調(diào)用機(jī)制，動態(tài)解析指令中的動態(tài)參數(shù)（如 “最大積木” 需實(shí)時計(jì)算面積并定位），使得系統(tǒng)能夠執(zhí)行需要視覺或空間推理的復(fù)雜具身任務(wù)。
● 邊緣設(shè)備友好架構(gòu)
在大模型的輸入端引入一個動態(tài)更新的歷史行動記憶模塊，結(jié)合迭代式上下文管理，顯著降低顯存占用。在長期任務(wù)規(guī)劃中，平均顯存占用不超過3.9G（未量化），滿足邊緣端設(shè)備的部署需求。當(dāng)前設(shè)備已支持Nvidia jetson 系列邊緣計(jì)算設(shè)備，以及瑞芯微、算能、華為Atlas等國產(chǎn)化邊緣計(jì)算設(shè)備
開源生態(tài):4萬級數(shù)據(jù)集+輕量模型，加速產(chǎn)業(yè)落地
為推動技術(shù)普惠，團(tuán)隊(duì)同步開源了：
開源量化模型：模型提供0.9到2.7g多種量化版本，憑借其卓越性能與實(shí)用價值，近期在Hugging Face平臺熱度飆升，單周下載總量已突破300次。
LightPlan-40K 數(shù)據(jù)集：首個具身決策深度推理數(shù)據(jù)集，覆蓋動作序列長度為2-13的不同復(fù)雜度任務(wù)，總計(jì)包含4萬個帶有層次化深度推理的動作決策步驟，其中精選2.3萬條高質(zhì)量數(shù)據(jù)作為訓(xùn)練集。
表1: 不同復(fù)雜度的任務(wù)中的性能表現(xiàn)
我們基于LightPlan-40K數(shù)據(jù)集訓(xùn)練了LightPlanner模型。實(shí)驗(yàn)結(jié)果顯示，在真實(shí)世界環(huán)境中的具身決策規(guī)劃任務(wù)中，盡管LightPlanner的參數(shù)數(shù)量最少，僅為1.5B，但其任務(wù)成功率最高。在需要空間語義推理的任務(wù)中，其成功率比ReAct高出14.9%。此外，實(shí)驗(yàn)還展示了LightPlanner在邊緣設(shè)備上的運(yùn)行潛力，突顯其在資源受限環(huán)境中的適用性。
圖4: LightPlanner在Jetson Xavier Orin上的部署展示
● 立即獲取
論文地址：https://arxiv.org/abs/2503.08508
代碼地址：https://github.com/unira-zwj/LightPlanner
