【科技资讯】招商局狮子山实验室发布具身推理模型 拒堆砌数据

💡 导读

机器人难以理解真实三维物理世界，盲目堆砌数据无效。招商局狮子山实验室发布的具身推理模型，靠能力牵引训练，在主流基准表现优异，为机器人具身智能落地提供新路径。

🔑 关键要点

• ▸招商局狮子山实验室发布「驭物™ Lion-ER-35B-A3B」具身推理模型
• ▸该模型采用能力牵引数据引擎，摒弃盲目堆砌海量数据的传统做法
• ▸模型在十项具身基准全部指标上涨，部分能力超越更大参数量模型

📝 核心摘要

日常生活中人类的直觉判断，对机器人而言是具身推理的棘手难题——视角变化混淆物体身份、误判相机运动、错估任务进度等问题，直接导致机器人执行失败。过往研究显示，单纯堆砌海量数据无法提升机器人能力，甚至可能因数据域权重调整影响下游任务表现。
近日，招商局先进技术研究院下属狮子山人工智能实验室发布「驭物™ Lion-ER-35B-A3B」具身推理视觉语言模型，采用MoE混合专家模型架构，总参数约35B，推理时仅激活约3B参数，在不显著增加推理开销的前提下，走出区别于数据堆砌的技术路线。
该模型核心创新在于搭建能力牵引的具身数据引擎，摒弃盲目收集海量数据的传统，通过四步闭环迭代优化数据：第一步梳理出含8个一级领域、39项二级能力的细粒度“能力蓝图”，明确能力调用条件；第二步将抽象能力目标拆解为训练题目，形成“能力编译”流程；第三步通过数据提纯、几何构题、定向合成三条路径生成合格训练样本，引入Human in the loop人工复核保障质量；第四步建立Eval-Driven Data Harness机制，将评测错题转化为下一轮数据生产的起点，实现数据随模型能力演化。
在十项主流具身相关基准上，该模型实现全部指标正向提升，等权综合均分达65.29，多项核心能力超越更大参数量的主流模型，如Where2Place空间放置评测得分64.28，较基座提升9.30分；ERQA具身推理基准得分64.38，较基座提升6.19分。其在相机运动判断、轨迹交互推理等场景的测试中表现优异，4次作答全部正确。
目前该模型已在Hugging Face开源，采用BF16 Safetensors格式，兼容Transformers、vLLM等主流推理框架，开发者可围绕空间关系理解等方向开展适配。狮子山实验室表示，后续将拓展具身Agent的工具调用、多轮交互等训练数据，持续迭代能力牵引数据引擎，为机器人真实环境作业提供支撑。

🔗 阅读原文

👉 招商局狮子山实验室发布具身推理模型 拒堆砌数据

🏷️ 标签：具身智能, 具身推理模型, 能力牵引, 机器人, 开源模型