Xpengが知覚モデルGroundingPIを公開

XpengはGroundingPIを「Grounding（視覚的位置特定）」と「PI（Physical Intelligence）」を組み合わせた名前とし、既存の汎用大規模モデルが自動運転やロボティクスといった物理シーンに適用する際の適応ギャップを課題として挙げている。このモデルはロボットの動作ラベルを使わず、検出・文字認識・空間位置特定のための純粋な知覚データに依存して訓練される点が特徴だ。訓練にはマルチモーダルおよび空間事前学習、教師あり微調整、GRPOを用いた強化学習を組み合わせ、公開データセットと専用データエンジンを活用している。ベンチマークのリードはXpeng自身が構築した評価スイートによるもので、第三者の再実行はまだなく、プロジェクトは科学研究用プロトタイプと説明されている。この発表は中国の embodied AI リリースが続く局面で行われ、同日にはBaiduのApollo Worldロボタクシー訓練システムも登場している。