北京人形机器人创新中心开源强大具身智能模型 Pelican - VL 1.0

IT 之家 11 月 14 日消息，北京人形机器人创新中心昨晚宣布将具身智能 VLM 模型 —— Pelican - VL 1.0 全面开源。

据官方介绍，该模型有 7B、72B 两种参数规模，是目前“最大规模的开源具身多模态大模型”，也是全球性能最强的具身智能 VLM 模型。测试显示，其性能比 GPT - 5 同类模型高 15.79%，相较于 Google gemini 系列模型提升 19.25%，还超越了通义千问、书生万象等国内模型，成为当下最强的开源具身多模态大模型。

该团队提出了全新的 DPPO（刻意训练）训练范式，这是全球首创的具身多模态大模型后训练自进化算法框架。借助 DPPO，Pelican - VL 达成“性能最强”目标仅用了 200K 数据量，只是其他大模型的 1/10 甚至 1/50，堪称开源 VLM 的性价比之王。

Pelican - VL 1.0 的开源，能显著增强具身智能在商业服务、工业泛工业、高危特种作业、家庭服务等多种真实场景中，通过视觉 - 语言感知辅助多步任务规划的能力。VLM 是实现机器人全自主的核心，Pelican 的开源将推动我国具身智能全自主发展。

此次开源的 Pelican - VL 1.0 核心优势在于深度整合海量数据与自适应学习机制。它在由 1000 + A800 GPU 组成的集群上训练，单次检查点训练耗费超 50,000 A800 GPU - 小时；团队从原始数据中提炼出包含数亿 token 的高质量元数据作为训练基础。凭借这些优势，Pelican - VL 1.0 在基线基础上性能提升 20.3%，平均比 Qwen3 - VL 系列、InternVL3.5 系列等同级别开源模型高 10.6%。

得益于“刻意练习”DPPO（Deliberate Practice Policy Optimization）训练范式，Pelican - VL 如同刻苦学习的学生，每次训练循环都遵循“看视频 — 自主练习 — 发现错误 — 纠正提升”的流程。DPPO 模仿人类元认知学习方式，通过强化学习（RL）探索弱点、生成失败样本，再进行有针对性的监督微调（SFT），让模型不断自我纠错和迭代进步。

就像学生总结错题经验，Pelican - VL 能在训练中找出“薄弱知识点”并弥补，持续提升视觉 - 语言和具身任务能力。通过这种机制，Pelican - VL 能更精准理解图像内容、语言指令和物理常识，最终在决策和操作执行环节，实现具身智能在空间 - 时间推理和动作规划方面的重大突破。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com