字节发了个机器人全能大模型，带队人李航

闻乐 发自 凹非寺 量子位 | 公众号 QbitAI 机器人终于不用散装大脑了！ 字节Seed一个模型就能搞定机器人推理、任务规划和自然语言交互。 经常做机器人的朋友都知道，以前想让机器人干活，得先解决一个烦人的问题—— 模块之间的信息代沟。 能听懂指令和能完成指令可完全不是一回事，以前要让机器人听懂人话，得装个专门的语言交互模块；要让它能避开障碍从客厅走到阳台，又 得搭一套任务规划模块；要想……还得…… 于是不同模块在机器人身上拼凑使用苦开发者久矣。 但现在，字节Seed推出了 Robix视觉——语言单模型 ，把三件事全包了，也不用搞多模块拼接那套了。 所以，这是怎么做到的呢？ 核心采用思维链推理和三阶段训练策略 Robix是一款专门给机器人用的模型。核心想法是让一个模型同时搞定三件事： 首先，团队的思路是把机器人系统分为两层，高层认知和底层执行，Robix就是管高层认知的。 琢磨怎么干活（推理） 安排干活步骤（任务规划） 跟人聊天沟通（自然语言交互） 底层（VLA）来执行Robix发出的命令。 而Robix本身也并不是多个模块拼合的散装大脑，而是一个视觉-语言融合的单模型，能同时处理画面、语言，还能把思考 ...