靈初智能近期提出的解決方案引發(fā)關(guān)注。其研發(fā)的PSI框架包含策略模型Psi-R2與世界模型Psi-W0，通過整合近10萬小時(shí)人類操作數(shù)據(jù)，構(gòu)建了從人類技能到機(jī)器人執(zhí)行的全鏈條訓(xùn)練體系。Psi-R2負(fù)責(zé)解析任務(wù)邏輯，學(xué)習(xí)“如何完成任務(wù)”；Psi-W0則通過預(yù)測不同動作的后果，補(bǔ)充“其他可能性會怎樣”的推理能力。這一雙模型架構(gòu)突破了傳統(tǒng)方法對數(shù)據(jù)對齊的依賴，轉(zhuǎn)而采用“原始數(shù)據(jù)輸入、原始數(shù)據(jù)輸出”的直接映射策略，將人手關(guān)節(jié)運(yùn)動通過運(yùn)動學(xué)公式轉(zhuǎn)換為機(jī)械臂可執(zhí)行的指令，同時(shí)保留原始圖像信息以減少人為干預(yù)誤差。

人類數(shù)據(jù)與真機(jī)數(shù)據(jù)的融合是該方案的核心創(chuàng)新。靈初披露，其預(yù)訓(xùn)練數(shù)據(jù)集包含5417小時(shí)真機(jī)數(shù)據(jù)與95472小時(shí)人類數(shù)據(jù)，覆蓋294種場景、4821類任務(wù)及1382種物體。相較于自動駕駛或語言模型領(lǐng)域可依賴的現(xiàn)成語料庫，機(jī)器人訓(xùn)練數(shù)據(jù)需從現(xiàn)實(shí)操作中“逐幀采集”。人類數(shù)據(jù)的優(yōu)勢在于其天然包含任務(wù)目標(biāo)、動作細(xì)節(jié)與時(shí)間節(jié)拍信息，例如手機(jī)裝配中的微小部件操作，其動作精度與速度均經(jīng)過長期實(shí)踐優(yōu)化，更貼近產(chǎn)業(yè)實(shí)際需求。實(shí)驗(yàn)表明，Psi-R2經(jīng)預(yù)訓(xùn)練后，僅需不到100條真機(jī)軌跡微調(diào)，即可完成高精度任務(wù)如工業(yè)包裝與紙盒折疊。

世界模型Psi-W0的引入解決了策略模型的局限性。傳統(tǒng)方法僅能從成功軌跡中學(xué)習(xí)，而Psi-W0通過動作條件型視頻預(yù)測機(jī)制，將動作作為生成條件，模擬不同動作下的場景變化。為增強(qiáng)模型對失敗的認(rèn)知，訓(xùn)練數(shù)據(jù)中特意混入約30%的失敗樣本，涵蓋專項(xiàng)采集、常規(guī)操作與推理過程中的錯(cuò)誤案例。這一設(shè)計(jì)使模型不僅能評估策略有效性，還可通過強(qiáng)化學(xué)習(xí)在虛擬環(huán)境中優(yōu)化人類動作到機(jī)器人動作的轉(zhuǎn)換。例如，在抓取任務(wù)中，Psi-W0可推演人類抓取動作在機(jī)器人動力學(xué)條件下的結(jié)果，若偏差過大則自動調(diào)整軌跡，直至符合執(zhí)行標(biāo)準(zhǔn)。

數(shù)據(jù)質(zhì)量而非數(shù)量成為訓(xùn)練效能的關(guān)鍵。靈初提出，高信噪比、精準(zhǔn)3D位姿與任務(wù)多樣性是衡量數(shù)據(jù)價(jià)值的核心指標(biāo)。在感知模態(tài)優(yōu)先級上，3D位姿精度遠(yuǎn)超2D圖像與觸覺信號，而觸覺數(shù)據(jù)雖難在機(jī)器人端規(guī)模化部署，卻可通過“掩碼訓(xùn)練”方式間接利用——即屏蔽真機(jī)數(shù)據(jù)中的觸覺通道，迫使模型預(yù)測接觸信號，從而提升對交互過程的預(yù)判能力。人類操作節(jié)拍接近機(jī)械臂物理極限的特性，使其數(shù)據(jù)在訓(xùn)練中更具產(chǎn)業(yè)適配性。例如，遙操作節(jié)拍通常僅為機(jī)械臂上限的60%-70%，而人類在常規(guī)作業(yè)中的操作速度可逼近設(shè)備極限。

為推動行業(yè)生態(tài)發(fā)展，靈初同步開源了1000小時(shí)人類操作數(shù)據(jù)集。該數(shù)據(jù)集分為高精度與大規(guī)模擴(kuò)展兩類：前者經(jīng)嚴(yán)格處理后軌跡與真機(jī)高度對齊，適用于精細(xì)任務(wù)訓(xùn)練；后者則通過可控精度擴(kuò)大數(shù)據(jù)覆蓋范圍，強(qiáng)化模型泛化能力。這一結(jié)構(gòu)設(shè)計(jì)與PSI框架形成閉環(huán)，既保障操作精度，又拓展預(yù)訓(xùn)練邊界。在MolmoSpaces公開評測中，Psi-R2以顯著優(yōu)勢登頂總榜，超越具身大模型標(biāo)桿π與英偉達(dá)GEAR等主流方案，驗(yàn)證了其方法在真實(shí)世界任務(wù)中的有效性。

當(dāng)前，具身智能訓(xùn)練框架的競爭已從單一模型性能轉(zhuǎn)向系統(tǒng)化路徑設(shè)計(jì)。靈初的方案通過整合人類數(shù)據(jù)、雙模型架構(gòu)與強(qiáng)化學(xué)習(xí)優(yōu)化，構(gòu)建了無需依賴大規(guī)模真機(jī)遙操作的數(shù)據(jù)驅(qū)動訓(xùn)練路徑。這一路徑不僅降低了數(shù)據(jù)采集成本，更通過模擬反事實(shí)推理與虛擬調(diào)優(yōu)，縮短了模型從實(shí)驗(yàn)室到工廠的落地周期。隨著1000小時(shí)開源數(shù)據(jù)集的釋放，行業(yè)或?qū)⒓铀傧颉叭祟愂痉?虛擬優(yōu)化-真機(jī)執(zhí)行”的新訓(xùn)練范式轉(zhuǎn)型。