**GroundingPI：基于视觉原语实现物理智能的4B定位基础模型**

_GroundingPI: A Grounding Foundation Model towards Physical Intelligence with Visual Primitives_

> GroundingPI 是一款专为物理智能设计的 4B 参数定位基础模型，通过生成量化坐标的点框，解决了现有 VLA 模型在杂乱场景及微小物体定位上的不足。该模型结合多模态预训练与 GRPO 强化学习，在 34 项基准测试中平均得分 73.68%，超越 GPT-6 Astra。作为下游视觉骨干，它显著提升了机器人操作（RoboTwin 2.0 提升最高 24.8%）和自动驾驶（nuScenes L2 误差 0.296m）的性能，验证了密集定位作为感知基础的有效性。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-10-13 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2609.39601)