WAIC 2026 | 面壁智能首個具身智能成果 MiniCPM-Robot 系列模型正式發佈！

在世界人工智能大會（WAIC）期間，面壁智能主辦的「智在終端 惠及千行」分論壇於7月19日上午圓滿舉行。論壇上，面壁智能聯合OpenBMB正式發布並開源旗下首個具身智能技術成果——MiniCPM-Robot系列模型，這款被業界稱為「小鋼炮」的語言模型系列正式進軍機器人領域，為終端智能與機器人技術的融合帶來全新突破。此次發布的MiniCPM-Robot系列成果包含兩個具身智能模型：通用VLA模型MiniCPM-RobotManip，以及面向移動機器人跟蹤導航的MiniCPM-RobotTrack。

前者聚焦於機械臂操作等精細任務，後者則專注於機器人在動態環境中的自主跟蹤與導航，兩者共同構成了面壁智能在具身智能領域的首波技術布局。MiniCPM-RobotManip基於面壁智能最新多模態端側模型MiniCPM-V 4.6訓練完成。該模型延續了MiniCPM-V 4.6「小尺寸、高性能」的核心優勢，並在視覺Token壓縮技術上達到極致水準。僅以1.5B的參數規模，就能實現比肩體量更大的3至4B模型的性能表現，同時在流式實時推理過程中，計算成本比同級別模型減少一半。

更值得關注的是，MiniCPM-RobotManip支持長達1分鐘的具身原生記憶，這使得它能夠高效完成那些高度依賴上下文記憶的複雜操作任務，例如在連續多步驟動作中保持對環境狀態的準確追蹤。另一款模型MiniCPM-RobotTrack由面壁智能與南京大學合作研發，是業內首個支援真實本地斷網部署的跟蹤模型。這款模型首次實現了純視覺的本地自主指令追蹤，無需連網、無需外接雲端算力，即可在邊緣裝置上完成即時跟蹤任務。MiniCPM-RobotTrack原生適配宇樹科技的四足機器人Go2 Edu，僅依靠機器人原裝攝像頭和本地計算資源，就能夠完成單目標、動態多目標以及模糊目標的穩定跟蹤。

在實際測試中，該模型能夠維持5Hz以上的更新頻率，端到端響應時延約為180毫秒，表現出極高的即時性與可靠性。此外，團隊還為MiniCPM-RobotTrack構建了自進化數據管線，能夠在真實部署過程中持續收集數據並自我優化，從而逐步提升在複雜動態環境下的跟蹤能力。面壁智能此次推出的MiniCPM-Robot系列，不僅是其在具身智能領域的首次亮相，也展現了端側模型在機器人應用中的巨大潛力。透過將大模型壓縮至極小參數規模，同時保持高性能與低延遲，面壁智能試圖解決機器人部署中長期存在的算力與功耗瓶頸。

MiniCPM-RobotManip的萬能操作能力，以及MiniCPM-RobotTrack的本地離線跟蹤方案，分別對應了工業與服務機器人中最常見的兩類場景：精準操控與自主移動。在論壇現場，面壁智能也展示了相關模型的實際應用案例，包括機械臂在模擬環境中完成物品抓取與放置，以及四足機器人根據視覺指令在障礙物間自主跟蹤目標。這些演示不僅驗證了模型的技術可行性，也為未來在家庭服務、物流配送、巡檢安防等領域的量產部署提供了參考。值得注意的是，MiniCPM-Robot系列模型已全面開源，開發者與研究機構可以自由下載並進行二次開發。

面壁智能表示，開源策略旨在加速具身智能技術的普及，吸引更多合作夥伴共同探索端側AI與機器人結合的邊界。隨著MiniCPM-Robot的推出，面壁智能從語言模型、多模態模型到具身智能模型的技術路徑已漸趨完整，未來有望在更多終端裝置上實現「AI即服務」的願景。整體而言，MiniCPM-Robot系列模型的面世，標誌著面壁智能正式跨入具身智能賽道，並以「小參數、高性能」的獨特路線，與當前市場上主流的超大模型形成差異化競爭。在算力成本與部署門檻持續降低的趨勢下，這類輕量化具身智能模型或許將成為推動機器人產業落地的關鍵技術之一。