MiniCPM-RobotTrack

MiniCPM-RobotTrack是OpenBMB基于MiniCPM4-0.5B构建的紧凑型视觉-语言-动作模型，用于具身目标跟踪。该模型将自然语言指令与融合后的DINOv3和SigLIP视觉特征相结合，直接预测未来八个[x, y, yaw]航点。通过自动检查与人工审核剔除异常数据，并采用DAgger风格持续添加困难样本。在宇树Go2板载平台上实现5+ FPS和约180 ms端到端延迟。模型权重和代码以Apache-2.0许可证开源。