靈初智能在近期正式揭曉了其最新研發(fā)成果——基于強化學習（RL）技術的端到端具身模型Psi R0。這款模型在雙靈巧手的協(xié)同操作上實現(xiàn)了突破，能夠串聯(lián)并混合訓練多種技能，生成具備邏輯推理能力的智能體，從而成功完成一系列復雜的、長距離的靈巧操作任務。

Psi R0不僅具備出色的操作技能，還展現(xiàn)出了跨物品和跨場景的泛化能力。在電商場景中，商品打包是一個典型的長流程任務，需要對成千上萬件商品進行抓取、掃碼、放置以及塑料袋打結等一系列操作。令人驚嘆的是，Psi R0憑借其雙靈巧手，能夠流暢地完成這一系列繁瑣的步驟，據(jù)官方介紹，這一表現(xiàn)足以替代一個完整的工作崗位。

靈初智能透露，Psi R0模型利用了海量的仿真數(shù)據(jù)進行訓練，通過雙向訓練框架將多種技能串聯(lián)起來，率先在開放環(huán)境中完成了長程任務。該模型展現(xiàn)出了強大的泛化能力和魯棒性，能夠在不同的環(huán)境和條件下穩(wěn)定工作。

為了實現(xiàn)這一目標，靈初智能開發(fā)了一種獨特的技能訓練框架。該框架從物體的時空軌跡中提取關鍵信息，構建出通用的目標函數(shù)，從而解決了獎勵函數(shù)設計困難的問題。在后訓練階段，通過引入少量的高質量真實機器數(shù)據(jù)，進一步提升了長程任務的成功率。

雙向訓練框架中的轉移可行性函數(shù)在技能串聯(lián)過程中起到了至關重要的作用。該函數(shù)能夠微調技能，提高串聯(lián)的成功率和泛化性，同時賦予模型自主切換技能的能力。當遇到操作失敗時，Psi R0能夠迅速調整策略，確保任務的高成功率。

這一創(chuàng)新不僅展示了靈初智能在強化學習領域的技術實力，也為機器人技術的發(fā)展開辟了新的方向。Psi R0的成功應用，預示著未來機器人在長程靈巧操作任務中將發(fā)揮更加重要的作用，為工業(yè)自動化和智能化進程注入新的動力。

Psi R0的出色表現(xiàn)也離不開其背后的算法和數(shù)據(jù)處理技術的支持。靈初智能在算法優(yōu)化和數(shù)據(jù)處理方面投入了大量的研發(fā)資源，確保了Psi R0能夠在各種復雜環(huán)境中穩(wěn)定工作，并展現(xiàn)出卓越的性能。