灵初智能发布具身基础模型 Psi-R2.5，用强 Pair Data 重做训练链路
灵初 Psi-R2.5 把具身训练的重心从数据规模转向数据质量：用强 Pair Data 打通人类示范到机器人可执行轨迹的转换，让现场微调从数周压缩到 1—2 天。
灵初智能发布新一代具身基础模型 Psi-R2.5。上一代要采集约 50 次真机示范才能学会一个固定任务，R2.5 改为从真实机器人数据出发，反向生成逐帧对应的人手数据，构建「强 Pair Data」（图像上除本体外一致、时序逐帧对齐、动作可直接在机器人上回放的成对数据），再用端到端转换模型把普通手机拍摄的人类视频对齐成机器人可用数据。手机盒装配任务经 HIL（Human-in-the-Loop，人在回路中的人工干预与纠错）加强化学习后训练，1—2 个工作日成功率可达 99%。
正文摘录
.jpg) 编辑｜山辉 两年前，一段机器人炒虾的视频在网上爆火。[](https://mp.weixin.qq.com/s/IqD4HPvmA7QDb1qJHOz0g) 视频中的机械臂一手端锅、一手拿铲，把虾翻炒后倒进碗里，看起来已经很像一个熟练的厨房帮手。 但机器人学会这套动作并不轻松。研究人员需要先亲自操控机器人完成任务，反复采集真机示范，再通过模仿学习让机器人逐渐学会独立执行。对于一个固定任务，大约要采集 50 次这样的示范。 如今，灵初智能在相似的任务中，展示了机器人学习的另一种可能。在这组演示里，人只需要示范一遍，无需重新训练或微调模型，机器人就能把这段操作作为类似 Prompt 的上下文，尝试完成新任务。  人类示范「准备配菜 — 青椒下锅 — 龙虾下锅」三步流程后，Psi-R2.5 通过 In-Context Learning 按顺序复现任务，无需重新训练模型。 同样是炒菜，两年前关注的是机器人「会不会」，现在灵初更关注机器人「怎么学」。 对人来说，拿起锅铲，翻动食材，几乎都是下意识完成的。