论文精读|EmbodiedGPT:基于具身思维链的视觉-语言预训练

EmbodiedGPT 是由中国科学院上海AI实验室、香港大学等机构提出的端到端多模态具身基础模型,通过创新的’具身思维链’(Embodied Chain of Thought)范式,将视觉-语言预训练与具身规划紧密结合。该模型构建了大规模EgoCOT数据集,实现了从高层规划到低层控制的闭环系统,在具身规划、控制、视频描述和视觉问答等多个任务上取得了优异性能。

2026年7月28日 · 3 分钟 · 619 字 ·