Pelican-Unified 1.0：一种用于理解、推理、想象与行动的统一具身智能模型

本文提出 Pelican-Unified 1.0，首个基于统一原则训练的具身基础模型。该模型利用单一视觉语言模型（VLM）作为统一的理解与推理模块，将场景、指令及历史映射至共享语义空间，并在单次前向传播中自回归生成面向任务、行动及未来的思维链。通过统一未来生成器，模型联合生成未来视频与动作。实验表明，该统一范式在保持专家级强度的同时，实现了理解、推理、想象与行动的协同优化，在多项基准测试中表现优异。