AI2 开源 MolmoMotion：按语言指令预测 3D 点轨迹

AI2 联合华盛顿大学等机构发布 4B 视觉语言模型 MolmoMotion，可根据自然语言动作指令预测 3D 点轨迹。模型输入短段 RGB 观测历史、用户指定的 2D 查询点及其初始 3D 位置即可输出预测结果，机器人抓放任务成功率提升至 76.3%。该工作入选 NeurIPS 2026 Highlight 论文，代码、权重、数据集与基线均已在 GitHub 开源。