小鹏等开源GroundingPI：4B视觉感知模型在34项基准上平均分超过GPT-6 Astra
· 来源：XPENG
小鹏支持、北大港大等合作的开源感知模型GroundingPI发布：约40亿参数，34项感知基准均分73.68，仿真中显示更高机器人操作数据效率。
小鹏汽车11月4日宣布支持开源视觉感知基础模型GroundingPI。该工作由小鹏、北京大学、香港大学等机构相关研究者完成，聚焦具身智能所需的“找准物体与空间位置”，而不是把一切都交给通用大模型。模型约40亿参数，覆盖目标检测、稠密定位、指代定位、OCR、文档版面、界面元素识别与机器人空间定位等11类感知能力。
在团队给出的评测中，GroundingPI与44个基线模型比较，在34项公开感知基准上按能力类别等权汇总得73.68分，高于GPT-6 Astra的71.54。官方强调这只是感知专项比较，不代表通用智能全面超越。下游仿真显示：在RoboCasa-GR1中，用GroundingPI作视觉骨干、仅用50%演示数据，成功率可高于对比模型用75%数据的表现；在RoboTwin 2.0四组分布外设置上泛化更好；接入nuScenes开环轨迹预测时，平均误差约0.296米。
论文、权重与代码已公开（项目站、arXiv、GitHub、Hugging Face）。官方同时声明：结果属探索性研究，基于仿真与离线评测，不代表已接入小鹏量产车或机器人产品，也不构成商用部署承诺。对机器人与自动驾驶社区而言，它提供了一条“专用感知预训练+上层规划推理”的开源路线。