机器人通用大脑来了机器人统一感知推理控制

机器人也要“看-想-动”？上海人工智能实验室联合多方推出通用具身智能大脑框架——VeBrain，让多模态大模型不仅能理解世界，还能实际操控机器人。

VeBrain最大亮点是把“机器人控制”任务转化为语言建模问题。它不靠硬编码动作，而是像大模型处理文本一样，把感知、推理、控制统一起来。

架构方面，VeBrain引入“关键点检测+技能识别”双任务机制，把图像变成锚点、语义转成动作，打通语言与动作之间的鸿沟。再通过机器人适配器模块，实现从目标追踪到实际动作的完整闭环。

支撑这一切的，是60万条指令级数据集VeBrain-600k，覆盖多模态理解、空间推理、机器人控制三大方向，并辅以链式思维标注，兼顾复杂性与准确性。

在多项Benchmark测试中，VeBrain不但多模态理解对标Qwen2.5-VL，空间推理超越GPT-4o，更在实体机器人控制上实现显著提升，远胜同参数的其他模型。

无论是四足机器人还是机械臂，VeBrain都展现出高度的泛化能力和稳健表现，为“具身智能”迈出关键一步。未来，机器人或许真的能“像人一样思考和行动”了。