機(jī)器之心發(fā)布

機(jī)器之心編輯部

靈初智能發(fā)布全球首個具身原生人類數(shù)據(jù)采集方案 Psi-SynEngine。該方案由靈初智能全棧自研，包含便攜式外骨骼觸覺手套數(shù)采套裝、大規(guī)模 in the wild 數(shù)采數(shù)據(jù)管線、基于世界模型和強(qiáng)化學(xué)習(xí)的跨本體數(shù)據(jù)遷移模型，并已率先將采集到的人類數(shù)據(jù)應(yīng)用于物流等真實(shí)場景。同時，靈初智能同步發(fā)布覆蓋視覺、語言、觸覺、動作的大規(guī)模真實(shí)世界多模態(tài)數(shù)據(jù)集 Psi-SynNet-v0。這一突破性成果標(biāo)志著靈初智能全自研的真實(shí)世界具身數(shù)據(jù)引擎已經(jīng)正式啟動。

相比大模型和自動駕駛，數(shù)據(jù)問題一直是困擾整個具身智能領(lǐng)域的痛點(diǎn)。行業(yè)現(xiàn)有的數(shù)據(jù)采集方案：

1. 仿真環(huán)境數(shù)采：Sim-to-Real 差距突出，仿真分布與真實(shí)作業(yè)環(huán)境的差異，導(dǎo)致策略遷移退化，調(diào)參成本與場景搭建成本高。例如現(xiàn)有的仿真器難以仿真布料等柔性物體。
2. 機(jī)器人遙操數(shù)采：數(shù)據(jù)采集難以規(guī)模化，行業(yè)呈現(xiàn)碎片化試點(diǎn)狀態(tài)，缺乏統(tǒng)一標(biāo)準(zhǔn)與運(yùn)營機(jī)制。同時數(shù)據(jù)多樣性難以保障，雇傭?qū)Ｈ诉M(jìn)行數(shù)采成本過高且效率太低。且無法將世界上所有的場景、所有的物體和所有的操作都在數(shù)采場復(fù)刻，成本過大。
3. UMI 設(shè)備數(shù)采：雙夾爪難以實(shí)現(xiàn)真實(shí)落地場景需要的精細(xì)操作，同時仍需雇傭?qū)Ｈ诉M(jìn)行采集，也無法在實(shí)際生產(chǎn)作業(yè)中同步完成數(shù)據(jù)采集。以美國勞工部的數(shù)據(jù)顯示，工廠內(nèi) 98.7% 以上的工序都需要雙手多指協(xié)同完成，雙夾爪存在本質(zhì)局限。

靈初智能 Psi-SynEngine 從根本上突破了上述困境，直接采集一線作業(yè)人員在真實(shí)工作中的操作數(shù)據(jù)，而非在搭建的數(shù)采場中高成本低保真度采集。采集場景覆蓋物流、工廠、商超、酒店和家庭，數(shù)據(jù)源自真實(shí)場景，無需二次遷移。

這與靈初智能從創(chuàng)立之初就選擇做通用靈巧操作的戰(zhàn)略不謀而合，相比其他硬件形式，靈巧手與人手的形態(tài)差異最小，數(shù)據(jù)遷移效率最高。

相比傳統(tǒng)數(shù)據(jù)采集方案，Psi-SynEngine 具有三大優(yōu)勢：

1. 成本低：便攜式采集設(shè)備大幅降低部署成本，數(shù)據(jù)獲取成本僅為真機(jī)遙操方案的 10%。
2. 多模態(tài)高自由度：能夠完整采集觸覺、視覺、動作、語言的操作數(shù)據(jù)，保留操作細(xì)節(jié)。
3. 便攜性強(qiáng)：可隨時隨地部署，支持大規(guī)模并行數(shù)據(jù)采集，數(shù)據(jù)采集效率相比其他方案極大提高。

這些特性使 Psi-SynEngine 成為業(yè)內(nèi)首個具備真正規(guī)?；渴鹉芰Φ木呱頂?shù)據(jù)引擎，使靈初智能能夠以前所未有的規(guī)模和速度積累真實(shí)世界具身智能數(shù)據(jù)資產(chǎn)。

為了讓這套具身數(shù)據(jù)引擎真正釋放價值，靈初智能構(gòu)建了完整的硬件與平臺體系。由靈初智能自主研發(fā)的專為數(shù)采設(shè)計(jì)的外骨骼觸覺手套，定位精度最高能達(dá)到亞毫米級別，可完整采集手部和手臂的全部自由度和覆蓋全手的觸覺信息，同時不影響作業(yè)人員的正常操作。此外，靈初智能自主搭建了支持大規(guī)模數(shù)據(jù)處理的管線和平臺，配合自研大模型完成高精度的數(shù)據(jù)標(biāo)注和后處理，形成完整的數(shù)據(jù)生產(chǎn)閉環(huán)。

基于 Psi-SynEngine 數(shù)據(jù)引擎，靈初智能發(fā)布的 Psi-SynNet-v0 數(shù)據(jù)集具備四大核心特征：

1. 數(shù)據(jù)多樣性強(qiáng)：覆蓋多行業(yè)、多場景、多物體與多技能的真實(shí)操作，有效打破數(shù)據(jù)多樣性壁壘，大幅提升模型遷移與泛化能力。
2. 模態(tài)覆蓋全面：完整囊括視覺、語言、觸覺、動作多維度全真值數(shù)據(jù)，為預(yù)訓(xùn)練階段的模態(tài)對齊提供有力支撐。
3. 數(shù)據(jù)規(guī)模海量：數(shù)據(jù)量級達(dá)到大語言模型同級水平，為具身智能的未來發(fā)展預(yù)留充足想象空間。
4. 自閉環(huán)已驗(yàn)證：數(shù)據(jù)體系已在靈初多個落地產(chǎn)業(yè)中完成閉環(huán)驗(yàn)證，依托靈初強(qiáng)大的模型能力，確保所采集的數(shù)據(jù)能夠高度匹配算法需求，并持續(xù)推動模型迭代。

在這整套數(shù)據(jù)解決方案中，真正的關(guān)鍵并不在于硬件本身，也不在于高效的采集流程，而是如何將人類數(shù)據(jù)真正應(yīng)用到機(jī)器人操作上。核心難點(diǎn)在于：如何彌合人手與靈巧手之間天然存在的結(jié)構(gòu)與能力差異。靈初智能早在 2023 年起就開始攻關(guān)這一難題，成功實(shí)現(xiàn)了將人手的數(shù)據(jù)遷移到不同自由度的靈巧手上，并完成同樣的操作。同時，團(tuán)隊(duì)發(fā)表了相關(guān)的論文成果和 demo。如今，這項(xiàng)技術(shù)被迅速工程化，發(fā)展為基于世界模型、強(qiáng)化學(xué)習(xí)和觸覺模態(tài)對齊的完整解決方案，能有效解決人和不同機(jī)器人之間跨本體差異的 embodiment gap，大幅提升模型泛化性和成功率。這正是靈初智能 Psi-SynEngine 真正的護(hù)城河所在。

Psi-SynEngine 數(shù)據(jù)引擎和 Psi-SynNet-v0 數(shù)據(jù)集的發(fā)布，標(biāo)志著靈初智能基于人類真實(shí)操作數(shù)據(jù)的具身智能新范式正式確立，也意味著向真實(shí)世界的具身 AI 大模型預(yù)訓(xùn)練擁有了可規(guī)?；目赡?。依托于 Psi-SynEngine，靈初智能已在公司內(nèi)部迅速構(gòu)建出上萬小時規(guī)模的 Psi-SynNet-v0 數(shù)據(jù)集，并計(jì)劃于明年突破百萬小時量級，這將是全球最大的靈巧操作數(shù)據(jù)集，也將成為訓(xùn)練真正具身原生大模型的核心資產(chǎn)。靈初智能誠邀全球研究機(jī)構(gòu)與合作伙伴攜手共建 Psi-SynNet，共同開啟通用智能新時代。

關(guān)于靈初智能

靈初智能（PsiBot），作為國內(nèi)具身智能科技領(lǐng)域的領(lǐng)軍企業(yè)，專注深耕通用具身智能、VLA 大模型以及靈巧操作算法等前沿技術(shù)。公司的核心團(tuán)隊(duì)成員均來自頂尖高校的 AI 實(shí)驗(yàn)室以及頭部科技企業(yè)，匯聚了行業(yè)內(nèi)的頂尖人才。

憑借深厚的技術(shù)積累與創(chuàng)新能力，靈初智能成功推出了行業(yè)內(nèi)首個端到端強(qiáng)化學(xué)習(xí)具身模型 Psi R0、R0.5 及 R1，成為行業(yè)內(nèi)率先實(shí)現(xiàn)長程任務(wù)的具身模型研發(fā)企業(yè)，并且兼具泛化性、魯棒性、靈巧性。該成果獲得了行業(yè)頭部客戶的高度認(rèn)可，目前，靈初智能正全力加速推進(jìn)相關(guān)技術(shù)的商業(yè)落地進(jìn)程，引領(lǐng)具身智能技術(shù)邁向新的發(fā)展階段。

文中視頻鏈接：https://mp.weixin.qq.com/s/JH7mfit9vaGdoFzo9SY84Q