灵初智能发布Psi-R2.5：逆向生成配对数据，提升机器人学习效率

灵初智能这次追问的是一个看似绕远的问题：人类数据进了模型，不等于人的操作经验就能被机器人直接使用，这中间还缺什么。据量子位报道，在十万小时级数据积累的基础上，Psi-R2.5 继续改进数据质量与人机数据对齐方法，并进一步推进具体任务适配。

问题出在人机本体的差异。报道指出，人手和机械手不仅长得不一样，关节结构、接触物体时的摩擦条件也不同，再加上人手姿态估计的误差，一个人可以顺利完成的动作，转换成机器人关节运动后未必还能成功。因此，让机器人看懂“这是在拿可乐”，和提供一份“可以这样拿起可乐”的动作数据，是两回事。

灵初把人和机器人执行类似任务、主要在任务含义上对应的数据称为“弱配对数据”；它更希望获得的是“强配对数据”：除本体不同外，两边场景基本一致，动作时序逐帧对应，且机器人一侧的动作能在真机上直接回放成功。这类数据很难直接采集——让人和机器人各做一遍，很难保证场景和动作时序逐帧对应，直接照搬人的轨迹也未必成功。

今年4月，灵初已尝试让 Psi-R2 与世界模型 Psi-W0 配合，通过轨迹推演和强化学习，将人类操作转换成可执行的机器人数据。但报道指出，这套流程涉及多个模型协同和策略优化，生产数据的过程比较重。

灵初于是换了一个方向：真实机器人操作的图像和动作本来就是可用的，以它们为起点生成匹配的人类数据，不就可以获得一份新的对照样本？按照这条思路，灵初逆向使用 Psi-W0，从真实机器人数据出发生成对应的人手操作数据，再将这些高质量配对数据用于训练端到端转换器；转换器的输入是人类操作数据，输出是匹配的机器人图像和动作。

报道特别区分了转换器的定位：它不是负责决定机器人下一步做什么的策略模型，而是一个带动作输出的视频编辑模型；它要做的也不只是把画面中的人手换成机械手，而是同时得到机器人可以使用的动作数据。报道还提到，只需用手机在日常场景中录制一段人手操作视频，即可通过模型转换为对应的机器人数据。

灵初设置了两种验证方式：一种是直接在机器人上回放转换后的轨迹，看能否完成相同任务；另一种是把转换后的数据用于后训练，再看训练出的模型能否完成相关任务。判断标准不再只是“生成的视频像不像”，而是数据能不能支持实际操作。

据灵初介绍，转换后的数据已在上述两类测试中得到验证。但报道同时给出边界：部分特别复杂的任务仍未直接完成，数据转换并不等于所有任务都已经解决。

沿着这条思路，Psi-R2.5 也重新梳理了数据本身的质量：减少同一任务的重复堆积，增加任务多样性，并通过自动标注管线把任务拆解到更细的原子动作，再进行标注和审核。报道的提法是，数据的价值不能只按小时算，还得看覆盖了多少种任务、机器人能用上多少。

如果一段人类操作已能转换成机器人更容易使用的参考，它或许还可以有另一种用途：不只是进入训练集，也可以成为当前任务的提示。这意味着不必把所有要求写成一大段指令，而是给机器人一个例子——“照着这个来”。

这是灵初在 Psi-R2.5 中进一步探索的上下文学习（In-Context Learning，ICL）。在其展示的任务中，机器人不需要更新模型参数，而是根据当前上下文提供的线索推断该做什么、该如何做。关键变化在于：新示范不一定要再走一遍训练流程才能影响机器人行为，它也可以作为当前任务的参考，交给已经训练好的模型使用。

难点仍在于示范来自人、执行者却是机器人。灵初的思路是利用前面的强配对数据模型，将人类示范转换成对应的机器人数据，再作为提示输入模型。同一种数据转换能力由此有了两个用途：准备训练材料，以及帮助机器人理解眼前的示范。这也与 Psi-R2.5 的双层架构相衔接：上层模型负责拆解长程任务，把较长指令分成子任务；下层模型结合子任务和当前观测，输出具体操作轨迹。报道同时提示，“不用重新训练”不等于模型此前没有训练过，也不等于随手拍一段视频就能让机器人完成任何工作；目前展示的是特定任务中的 ICL 能力，更多实现细节尚待公布。

预训练已用十万小时级数据，为什么到了客户现场机器人还得接着练？在灵初看来，真实部署面对的物品种类、规格和作业节拍往往带有很强的定制化要求；短期内不能指望基础模型完全不做适配就直接进入所有客户现场，后训练仍然是必要的一环。

灵初在最新 Tech blog 中明确指出，预训练并不是让后训练立刻消失。从部署角度看，现阶段训练基础模型的意义应该是让后训练需要的数据更少，从而降低适配与部署的成本。

手机盒装配是一个具体例子：该任务涉及多个步骤，对操作精细度也有较高要求。据灵初介绍，通过结合人工参与与强化学习的后训练框架，经过几轮迭代，任务成功率达到约99%，耗时1-2个工作日。到了客户现场训练也没有结束：机器人在哪里失败，相关数据就被收集回来用于下一轮改进；团队表示这套方案已用于实际客户现场，处理作业中遇到的复杂情况。报道称，Psi-R2.5 正把预训练积累的能力用到具体工作中，目标是让客户少花时间、少花成本就能把机器人用起来。