具身代理人

速報

iFLYTEK-Embodied-Omni：統一視覺、語言與動作的多模態基礎模型

為提升通用型具身代理人的指令理解與長期控制能力，研究團隊打造 iFLYTEK-Embodied-Omni，採用視覺語言、影片生成與動作生成的共享多模態自注意力架構。模型將高階規劃與低階執行分工協作，並以混合示範影片進行四階段訓練，顯著提升任務執行的準確度與穩定性。