InternVLA·M1— 上海AI Lab开源的具身双系统操作大模型

新闻中心 NEWS CENTER

您当前位置：首页 > 新闻中心 > 行业资讯

InternVLA·M1— 上海AI Lab开源的具身双系统操作大模型

2025-09-18

浏览次数：次

返回列表

InternVLA·M1是什么

internvla·m1 是上海人工智能实验室开发的具身操作“大脑”，是面向指令跟随的双系统操作大模型。构建了覆盖“思考-行动-自主学习”的完整闭环，负责高阶的空间推理与任务规划。模型采用两阶段训练策略，先通过空间感知预训练，增强空间推理与规划能力；再以隐式空间推理方式实现高效的动作后训练。仅需“空间规划提示”即可高效训练，大幅降低成本。在 simplerenv 等公开操作基准测试中，internvla·m1 达到国际领先水平，其指令跟随与未见物体泛化能力显著优于其他同类模型。依托自研*平台 interndata-m1 完成大规模预训练，适用于复杂场景及长程任务。

GoEnhance

全能AI视频制作平台：通过GoEnhance AI让视频创作变得比以往任何时候都更简单。

347 查看详情 GoEnhance

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

InternVLA·M1的主要功能

高阶空间推理与任务规划：负责复杂环境下的空间推理和任务规划，能理解指令并生成相应的操作序列。
双系统操作架构：采用两阶段训练策略，先进行空间感知预训练，再进行动作后训练，提升模型的推理和规划能力。
高效训练与成本控制：通过“空间规划提示”实现高效训练，大幅降低训练成本和时间。
指令跟随与泛化能力：在多种公开基准测试中表现优异，尤其在指令跟随和未见物体泛化方面表现突出。
自主学习与闭环控制：构建了“思考-行动-自主学习”的完整闭环，能够通过自主学习不断优化操作策略。
复杂场景适应性：在真机复杂场景及长程任务中表现出色，适用于多种实际应用场景。

InternVLA·M1的技术原理

双系统架构：结合空间感知预训练和动作后训练，增强模型对空间环境的理解和操作能力。
空间感知预训练：通过大规模*数据，训练模型对空间关系的感知和推理能力，为后续任务规划奠定基础。
动作后训练：利用隐式空间推理方式，使模型能高效地学习具体动作的执行，提升操作精度。
空间规划提示：引入空间规划提示机制，帮助模型更高效地进行任务规划和动作生成，降低训练复杂度。
闭环控制：构建“思考-行动-自主学习”的闭环系统，使模型能在实际操作中不断学习和优化，适应复杂环境。
大规模*数据：依托自研*平台 InternData-M1，生成大量高质量的训练数据，支持模型的大规模预训练。
指令驱动：模型能接收自然语言指令，解析指令内容，生成相应的操作序列，实现指令跟随功能。

InternVLA·M1的项目地址

项目官网：http://internrobotics.github.io/internvla-m1.github.io/
Github仓库：http://github.com/InternRobotics/InternVLA-M1
HuggingFace模型库：http://huggingface.co/collections/InternRobotics/internvla-m1-68c96eaebcb5867786ee6cf3
HuggingFace数据链接：http://huggingface.co/datasets/InternRobotics/InternData-M1
技术论文：http://github.com/InternRobotics/InternVLA-M1/blob/InternVLA-M1/assets/InternVLA_M1.pdf