日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

VLAarXiv:2511.00108

Pelican-VL 1.0:身体知能のための基盤ブレインモデル

Pelican-VL 1.0: A Foundation Brain Model for Embodied Intelligence

シェア:XThreadsFacebookLINEはてブBluesky

7B〜72Bパラメータのオープンソース身体知能向けマルチモーダル基盤モデルを開発し、大規模データと新学習機構DPPOにより既存モデルを上回る性能を達成した。

詳しい要約

1. どんなもの?

- Pelican-VL 1.0は、7Bから72Bのパラメータ規模を持つオープンソースのembodied brain modelsファミリーである。 - 明示的なミッションは「様々なembodimentに強力な知能を埋め込むこと」である。 - 現在、最大規模のオープンソースembodied multimodal brain modelである。 - コアの利点は、データパワーとintelligent adaptive learning mechanismsの深い統合にある。

2. 先行研究と比べてどこがすごい?

- 100Bレベルのオープンソース counterparts を10.6%上回る性能を達成。 - ベースモデルから20.3%の性能向上を実現。 - よく知られたembodied benchmarksにおいて、leading proprietary systemsと同等の性能を発揮。 - オープンソースのembodied multimodal brain modelとして最大規模である点が先行研究と異なる。

3. 技術・手法の肝は?

- metaloopにより、4+ billion tokensを含むraw datasetから高品質データセットを蒸留。 - 1000+ A800 GPUsの大規模クラスタでトレーニングされ、チェックポイントあたり50k+ A800 GPU-hoursを消費。 - DPPO (Deliberate Practice Policy Optimization) を新規フレームワークとして確立。 - DPPOは人間のmetacognitionに触発され、AIに意図的な練習を教えるmetaloopとして運用され、RL-Refine-Diagnose-SFTループからなる。

4. どうやって有効だと検証した?

- よく知られたembodied benchmarksで評価を実施。 - ベースモデルから20.3%の性能向上を確認。 - 100Bレベルのオープンソース counterparts を10.6%上回ることを検証。 - leading proprietary systemsと同等の性能であることを示した。

5. 議論はある?

- 要旨からは不明。

6. 次に読むべき論文は?

- 要旨で参照/比較されている研究は明示されていないが、関連手法としてDPPO (Deliberate Practice Policy Optimization) やmetaloop、embodied benchmarksが挙げられる。同分野の定番として、embodied AIのためのvision-languageモデルや強化学習を用いたファインチューニング手法(例:RLHF、PPO)が次に読むべき論文として考えられる。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Yi Zhang, Che Liu, Xiancong Ren, Hanchu Ni, Shuai Zhang, Zeyuan Ding, Jiayu Hu, Hanzhe Shan, Zhenwei Niu, Zhaoyang Liu, Shuang Liu, Yue Zhao, Junbo Qi, Qinfan Zhang, Dengjie Li, Yidong Wang, Jiachen Luo, Yong Dai, Zenglin Xu, Bin Shen, Qifan Wang, Jian Tang, Xiaozhu Ju

分類: cs.LG, cs.AI, cs.RO

原文アブストラクト

This report presents Pelican-VL 1.0, a new family of open-source embodied brain models with parameter scales ranging from 7 billion to 72 billion. Our explicit mission is clearly stated as: To embed powerful intelligence into various embodiments. Pelican-VL 1.0 is currently the largest-scale open-source embodied multimodal brain model. Its core advantage lies in the in-depth integration of data power and intelligent adaptive learning mechanisms. Specifically, metaloop distilled a high-quality dataset from a raw dataset containing 4+ billion tokens. Pelican-VL 1.0 is trained on a large-scale cluster of 1000+ A800 GPUs, consuming over 50k+ A800 GPU-hours per checkpoint. This translates to a 20.3% performance uplift from its base model and outperforms 100B-level open-source counterparts by 10.6%, placing it on par with leading proprietary systems on well-known embodied benchmarks. We establish a novel framework, DPPO (Deliberate Practice Policy Optimization), inspired by human metacognition to train Pelican-VL 1.0. We operationalize this as a metaloop that teaches the AI to practice deliberately, which is a RL-Refine-Diagnose-SFT loop.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  3. 3newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

OZ GAMING(GPU搭載BTOゲーミングPC)

OZ GAMING(GPU搭載BTOゲーミングPC)の公式広告バナーOZ GAMINGで完成品PCを見る ↗
PR本紙発行元 EmplifAI