中科视语在具身智能领域再获突破！此前，中科视语发布了PhysVLM——首个开源机器人物理空间具身大模型。该模型突破了传统模型普遍存在的局限，通过多模态感知、动态环境建模与自主决策规划的深度融合，PhysVLM成功赋予机器人在复杂物理空间中类人级的操作能力。

当前，中科视语再次取得关键进展，发布首个开源轻量化具身决策深度推理大模型——LightPlanner，通过创新的层次化决策框架，成功突破边缘设备上 “轻量与智能不可兼得” 的行业难题，为机器人在物流、制造、服务等场景的规模化部署奠定了技术基础，持续引领具身智能技术的创新与发展。

让边缘端机器人“既能思考又能行动”

传统大语言模型（LLM）在具身任务中展现了强大的语义理解能力，但其庞大的参数规模难以在边缘设备上高效运行。轻量级模型虽解决了算力限制，却因缺乏复杂推理能力，如在 “抓取最大积木” 等需动态逻辑判断的任务中表现乏力。这一“推理能力瓶颈”已成为制约轻量级具身智能系统规模化应用的核心障碍。

图1: LightPlanner与主流任务规划方法的对比

针对这一挑战，中科视语提出了首个具身规划决策的轻量化深度推理大模型——LightPlanner。借鉴DeepSeek-R1在复杂任务推理中的成功经验，LightPlanner通过创新的层次化深度推理和动态参数化技能控制方法，充分释放了多种规格轻量级LLM的推理能力，以提升其在复杂任务规划中的性能。LightPlanner在机器人规划决策任务中复现了类似DeepSeek-R1的“回溯、反思、纠错”行为，从而显著提高了任务规划的准确性和系统的鲁棒性。

图2: LightPlanner在决策推理时出现的“回溯、反思、纠错”行为

图3: LightPlanner框架，生成层次化深度推理与动态技能控制

LightPlanner三大核心创新突破

● 层次化深度推理

模拟人类决策逻辑，在每一步执行前触发三层验证：

· 执行反馈：通过历史记忆动态修正偏差，实现 “错误自愈”；

· 语义一致性：确保子动作与全局任务目标对齐；

· 参数有效性：实时计算抓取对象的空间位置等连续参数，提升动作精度。

● 参数化动态技能链

突破固定技能模板限制，通过上下文感知的函数调用机制，动态解析指令中的动态参数（如 “最大积木” 需实时计算面积并定位），使得系统能够执行需要视觉或空间推理的复杂具身任务。

● 边缘设备友好架构

在大模型的输入端引入一个动态更新的历史行动记忆模块，结合迭代式上下文管理，显著降低显存占用。在长期任务规划中，平均显存占用不超过3.9G（未量化），满足边缘端设备的部署需求。当前设备已支持Nvidia jetson 系列边缘计算设备，以及瑞芯微、算能、华为Atlas等国产化边缘计算设备

开源生态:4万级数据集+轻量模型，加速产业落地

为推动技术普惠，团队同步开源了：

开源量化模型：模型提供0.9到2.7g多种量化版本，凭借其卓越性能与实用价值，近期在Hugging Face平台热度飙升，单周下载总量已突破300次。

LightPlan-40K 数据集：首个具身决策深度推理数据集，覆盖动作序列长度为2-13的不同复杂度任务，总计包含4万个带有层次化深度推理的动作决策步骤，其中精选2.3万条高质量数据作为训练集。

表1: 不同复杂度的任务中的性能表现

我们基于LightPlan-40K数据集训练了LightPlanner模型。实验结果显示，在真实世界环境中的具身决策规划任务中，尽管LightPlanner的参数数量最少，仅为1.5B，但其任务成功率最高。在需要空间语义推理的任务中，其成功率比ReAct高出14.9%。此外，实验还展示了LightPlanner在边缘设备上的运行潜力，突显其在资源受限环境中的适用性。

图4: LightPlanner在Jetson Xavier Orin上的部署展示

● 立即获取

论文地址：https://arxiv.org/abs/2503.08508

代码地址：https://github.com/unira-zwj/LightPlanner