GroundingPI

一个4B模型统一六类视觉定位，还能提升机器人泛化

开源 free 计算机视觉

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 107

维护状态活跃

是否开源是

定价模式 free

项目预览

项目数据

分类计算机视觉

开发团队groundingpi

所属国家

官网地址https://groundingpi.github.io

GitHubhttps://github.com/groundingpi/GroundingPI

定价模式free

价格说明开源模型，定价信息待确认

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型embodied-ai,gui-grounding,object-detection,ocr,physical-intelligence,pointing,robot-learning,vision-language-model,visual-grounding,vla

GitHub 星标★ 107

30天Star增速

HF 下载量

上线时间2026-09-30 00:00:00

代码更新—

仓库体积—

本站数据更新—

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-10-18

浏览次数0

项目介绍

GroundingPI 是一个面向物理智能（具身智能）的 4B 参数 grounding 基础模型，核心目标是把视觉语言模型中的“定位”能力统一到一个模型里。它同时覆盖目标检测、指代理解、点选、OCR、GUI 元素定位和版面布局定位等多种 grounding 任务，避免为每种任务单独训练专用模型。项目在 34 个基准上取得整体 SOTA，并在受控评测中显示能提升机器人的泛化能力和数据效率，说明其定位能力可以迁移到机器人学习场景。对开发者而言，它提供 Python 实现，可作为具身智能、GUI 自动化和文档理解等下游任务的视觉定位底座，减少多模型拼接的复杂度。