技术博客

近日，北京大学的研究团队提出了一种名为MP1的创新机器人学习框架，首次将MeanFlow范式引入机器人学习领域。这一突破性技术此前已在图像生成领域展现出卓越性能，而今为视觉语言动作（VLA）生成模型提供了高效支持。MP1框架通过MeanFlow实现了毫秒级别的快速推理速度，在关键性能指标——速度和成功率方面均达到双SOTA（State of the Art）水平，标志着机器人学习领域的重大进展。

北京智源研究院与中国科学院自动化研究所合作，提出了一种名为UniVLA的新型视觉、语言和动作（VLA）模型架构。该架构采用全离散和自回归机制，能够原生地处理视觉、语言及动作信号，并在后训练阶段整合了世界模型，通过分析大规模视频数据学习时序信息和因果逻辑。这种创新设计显著提升了模型在决策任务中的表现和学习效率。