研究机构Ai2在GitHub开源了其MolmoAct机器人的“行动推理模型”（ARM），专用于具身机器人在三维空间中的动作规划与理解。该模型通过生成空间感知Token，精准评估物体间距离，弥补了传统视觉语言行动模型（VLA）在三维环境表达上的不足。
MolmoAct分三阶段执行任务：首先提取空间信息，随后生成路径点，最终转化为机器人具体动作。测试显示，MolmoAct-7B在未见过的任务中成功率高达72.1%，在LIBERO平台多任务测试中平均成功率提升至86.6%。其训练成本低、效率高，预训练仅需约一天，微调仅两小时。
为提升安全性与可解释性，模型支持用户查看、修改轨迹，并可通过手绘标注进行实时调整。相关资源已全面开源，助力研究者在多种机器人平台开展验证与优化工作。
