open-gigaai/giga-brain-0

解决的问题

训练通用机器人通常需要大量真实世界数据，而这些数据的收集成本高且耗时。GigaBrain-0 通过使用世界模型大规模生成合成数据，减少了对真实世界机器人数据的依赖，同时提升了模型在不同任务、物体摆放和相机视角之间的泛化能力。

工作原理

GigaBrain-0 是一个视觉-语言-动作（VLA）基础模型。它结合了真实世界机器人数据与由世界模型生成的大规模合成数据。为提升鲁棒性和推理能力，模型引入了 RGBD（颜色与深度）输入建模和具身 Chain-of-Thought（CoT）监督，使模型能够在任务执行过程中推理空间几何和长时序依赖关系。

适用人群

从事具身人工智能和机器人研究的科研人员与开发者，特别是希望在不完全依赖真实世界数据采集的前提下扩展 VLA 模型的用户。

主要亮点

• 世界模型数据引擎：利用合成数据生成实现训练规模扩展和跨任务泛化能力提升。
• 具身 CoT：实现空间几何与物体状态的 Chain-of-Thought 推理。
• 支持 RGBD：建模深度信息以增强策略鲁棒性。
• 高性能表现：GigaBrain-0.1 版本在 RoboChallenge 排行榜上获得第一名。