北京人形 Pelican-VL

Pelican-VL: A Foundation Brain Model for Embodied Intelligence (X-Humanoid)进阶

北京人形机器人创新中心开源的具身「大脑」视觉语言模型

北京人形机器人创新中心（X-Humanoid）2025 年 10 月底发布技术报告、11 月开源权重的具身大脑模型，基于 Qwen2.5-VL，首批开源 7B 和 72B 两个规格（Apache 2.0）。它不直接输出关节动作，而是负责空间理解、可供性推理、任务规划和函数调用，给下层控制器或 VLA 下指令。训练上提出 DPPO（刻意练习策略优化）：先用 GRPO 强化学习找出模型做不好的难例，再把难例整理成数据做监督微调，RL 与 SFT 循环交替。报告称相对基座平均提升 20.3%，在 Where2Place、RefSpatialBench 等具身基准上领先同量级开源模型。其 Hugging Face 主页后来又上传了 3B、235B-A22B 等规格。