仅用三五条样本击败英伟达，国内首个超少样本具身模型登场，还斩获顶会冠军

主要观点总结

国内首个少样本通用具身操作基础模型FiveAges Manipulator-1（FAM-1）发布，由中科第五纪团队研发。该模型实现了大规模视觉语言模型（VLM）与三维机器人操作控制之间的高效知识迁移与空间建模融合，在少样本学习、跨场景适应及复杂任务理解方面取得重大突破。模型仅需3-5条机器人数据/任务即可完成精准具身操作学习，成功率高达97%。

关键观点总结

关键观点1: 国内首个少样本通用具身操作基础模型发布

中科第五纪团队发布了国内首个少样本通用具身操作基础模型FAM-1，该模型以BridgeVLA为核心框架，解决了高质量操作数据缺乏的问题，提升了跨场景、跨任务下的泛化性。

关键观点2: 模型的技术创新

与传统的VLA架构相比，BridgeVLA实现了两个方面的技术创新：整合多类型数据，构建多维度的操作知识库；利用三维热力图对齐VLM与VLA的输出与输入。这些技术创新不仅在国际公开评测数据集上取得了当前SOTA性能，还在真实开放场景下实现了跨光照、跨场景、跨任务的泛化性。

关键观点3: 模型的实际应用效果

FAM-1模型在国际基准上的表现超越了SOTA，在真机部署中的基础任务挑战上，仅使用3-5条样本的情况下达到了97%的成功率。这些结果充分验证了中科第五纪在少样本实体部署方面的优势，尤其是其在不同复杂因素下的产业化价值。