GroundingPI 将机器人视觉延迟降至 5ms：物理智能的新路径

DEV 社区文章介绍 GroundingPI，声称通过视觉基元 token 化把定位变成类语言 token 生成问题，在单张 A100 上以 5ms 输出像素级框坐标，并配套 Hugging Face 仓库、可运行于摄像头的 notebook 和 ROS 兼容示例，演示 Franka Emika 机械臂在 0.12 秒内从杂乱箱中抓取红色方块。文章将其定位为面向机器人闭环控制的低延迟视觉 grounding 方案，但未给出论文链接或独立验证。

AI推荐理由 摘要称 GroundingPI 将视觉定位转为 token 生成，在单张 A100 上以 5ms 输出框坐标，并提到 Hugging Face 仓库、webcam notebook 和 ROS 示例。这些具体指标和开发者生态信息对机器人视觉与具身智能有参考价值，但来源为 DEV 社区个人文章，未提供论文链接或独立验证，5ms 和 0.12 秒抓取等数据需谨慎看待。