🎯 情报来源：机器之心
近日，上海人工智能实验室联合新加坡国立大学、香港大学等机构推出 OWMM-Agent，这是首个专为开放世界移动操作（OWMM）设计的多模态智能体架构。该架构通过仿真数据微调多模态大模型 OWMM-VLM，在真实环境测试中实现零样本单步动作预测准确率达 90%，显著超越 GPT-4o 等基线模型。
核心要点：
- OWMM-VLM-38B 在模拟环境中三项核心任务的准确率分别达 97.85%、87.54% 和 88%，远超 GPT-4o。
- 真实环境测试中，Fetch 机器人在零样本条件下完成任务的成功率为 90%。
- 研究团队基于 Habitat 仿真平台生成 20 万+条多模态数据，涵盖 143 个场景、157 种可抓取物体和 1471 个容器。
📌 情报分析
技术价值：极高
OWMM-Agent 首次实现了全局场景理解与具身决策闭环的统一建模，结合仿真数据合成方案有效解决了 VLM 模型在机器人领域的“幻觉”问题，技术突破显著。
商业价值：高
随着老龄化社会对服务机器人的需求增长，OWMM-Agent 的泛化能力为家庭服务机器人提供了关键技术支持，有望加速商业化落地。
趋势预测：
未来 3-6 个月内，OWMM-Agent 架构可能吸引更多研究团队关注，并推动仿真数据驱动的具身智能技术发展，但复杂机械臂控制仍是短期瓶颈。