两年前，一段机器人炒虾的视频在网上爆火。
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。那能不能跳过一遍遍的采集真机数据，直接把人类的操作经验拿来训练机器人？
灵初此前已经在沿着这条路前进。
四月发布的 Psi-R2 和 Psi-W0 将十万小时规模的人类数据用于预训练，并通过 Psi-W0 和强化学习，把人手轨迹进一步优化成机器人能够执行的轨迹。但这意味着，Policy 与 World Model 需要反复 rollout，轨迹还要继续用强化学习微调，整个转换链路依然繁琐。
现在，灵初智能正式发布新一代具身基础模型 Psi-R2.5。
这一次，团队没有继续把重点停留在「十万小时人类数据」上，而是开始处理数据规模起来之后的两个新问题：哪些数据真正有价值，以及怎样让这些人类数据更顺畅地进入机器人的训练过程。
项目演示与完整技术博客： Scaling Pair Data for Embodied Intelligence
https://www.psibot.ai/scaling-pair-data-for-embodied-intelligence-zh/
在数据转换方面有一个关键变化，既然从人类数据到机器人数据的转换很麻烦，能不能反过来，先从本来就能执行的真实机器人数据出发？
答案落在了 Pair Data 上。
Scaling Pair Data：
让人类数据真正进入机器人训练
为什么不能直接把人类视频拿来训练机器人？核心还是 Embodiment Gap。
一方面，人手和机械手在视觉上存在差异，相机参数、环境变化等也会带来 Visual Embodiment Gap；另一方面，人类 action 与真实机器人数据之间还存在手部姿态估计、关节结构带来的运动学误差，以及摩擦力等物理参数误差，也就是 Dynamic Embodiment Gap。
前面提到，上一代 Psi-W0 已经能够将人手轨迹优化成可执行的机器人轨迹，但每条数据仍需要经过 World Model rollout 和强化学习微调。
Psi-R2.5 改变了 Pair Data 的构建方式。
灵初把只按照相同任务语义收集的数据称为「弱 Pair Data」；如果图像上除本体外基本一致、时序上逐帧对应，同时 action 可以直接在机器人上 replay，则称为「强 Pair Data」。
强 Pair Data
弱 Pair Data
团队从真实机器人数据出发，逆向生成对应的人手数据。
这一步很有意思：最终明明是要把人类数据转成机器人数据，为什么先反过来生成一遍人手数据？
关键在于，真实机器人数据本身已经包含可以直接使用的图像和 action。团队从这些机器人数据出发，生成与之一一对应的人手数据，就先得到了一批成对的人类 — 机器人数据。
有了这批强 Pair Data，团队进一步训练了带 action 的端到端人类数据到机器人数据转换模型，让新的人类操作数据可以直接与机器人数据对齐。
那要怎么验证转换有没有用？一是可以把转换后的机器人数据直接放到真机上 replay；二是拿这些数据继续训练模型。
最终，人只需要用普通手机或相机拍下一段操作视频，就可以通过这套 pipeline 将其转换成不同机器人的数据。
相比上一代，这一次真正缩短了「拿到一段人类数据」和「得到机器人真正能用的数据」之间的距离。
从人类示范到真实任务，
只要 1—2 个工作日
但把人类数据转换成机器人能够使用的数据，只解决了「怎么学」的问题。
面对具体场景，机器人还需要处理任务步骤和现场环境等一系列的变化。
因此，Psi-R2.5 在模型结构上也做了调整。
相比上一代 Psi-R2 和 Psi-W0 两个模型分别承担不同功能，R2.5 采用了双层架构：上层负责长程任务拆解，把一段长 instruction 分解成对应的 subtask；下层再结合当前观测，输出机器人具体的操作轨迹。其中，上层模型以 QwenVL3.5-4B 为骨干，下层则使用 Wan2.2-IT2V-5B，两者通过同一批预训练数据进行训练。
不过，基础模型到了真实客户现场，仍然很难做到不经过额外训练，就直接应对所有任务。不同场景里的 SKU、步骤和作业节拍往往高度定制，所以后训练在相当长一段时间内仍然是必要环节。
为此，灵初开发了一套基于灵巧手的 HIL（Human-in-the-Loop）+ RL 后训练框架：只需要少量数据，就可以在基础模型上继续微调；部署过程中出现的失败案例，也会实时回流，用于后续迭代。
来看一个直观例子：手机盒装配。
这是一个步骤很多、同时对精细操作要求很高的任务。如果直接从零开始用模仿学习训练，成功率很低；而在 HIL 和后训练 RL 的基础上，经过几轮迭代后，成功率可以提升到 99%，整个过程只需要 1—2 个工作日。
Scaling Pair Data 解决了怎样让人类示范成为机器人真正能用的训练数据，而 HIL 和 RL 则是让模型在进入具体现场之后，能更稳定地完成任务。
对于临时出现的新任务，Psi-R2.5 还探索了另一种更轻量的方式：In-Context Learning。人先示范一遍，再把这段轨迹作为类似 Prompt 的上下文输入，让机器人根据示范完成之前不会的任务。
机器人的 context 和语言模型还有一点不同，它不是单纯的一段文字，而可以是一段人类示教视频。
借助前面的强 Pair Data 转换能力，人类示范可以先被转换成对应的机器人数据，再作为 Prompt 输入模型。ICL 可以让机器人在不更新模型参数的情况下，根据文本提示或物理提示，对新任务进行零样本泛化。
从实际使用上看，这两种方式可以对应不同的任务需求：需要长期稳定执行的任务，可以继续通过后训练和现场数据迭代；面对新的任务，则可以通过示范和上下文学习，更轻量地完成适配。
十万小时之后，
数据 Scaling 开始比拼「信息量」
假设有 10000 小时数据，覆盖 100 个任务，每个任务重复 100 小时；另一批数据只有 100 小时，同样覆盖 100 个任务，每个任务只有 1 小时。
两者时长相差 100 倍，但真正包含的任务信息量，可能并没有那么大差别。
因此，在人类数据达到十万小时量级之后，Psi-R2.5 开始主动压缩重复数据：减少单个任务的数据量，在相同数据规模下尽可能覆盖更多任务；同时通过 Autolabeling 数据管线，把拆分后的原子任务标得更细，再进行审核。
Scaling 的重点，也开始从单纯增加时长，转向提高同等数据规模里的信息量。
这种变化也延伸到了评测。
Psi-R2.5 在训练过程中引入仿真评测，并设置了一个包含 50 个复杂任务的多任务真机评测集。测试时还会持续随机化任务初始状态，用来观察模型在组合泛化上的表现。
Psi-R2.5 多任务真机评测，覆盖 50 个复杂任务，并随机化任务初始状态。
那么到底应该怎样判断一段人类数据够不够好？
其实标准很简单，真正高质量的人类数据，应该能够直接训练出完成对应任务的模型。
前面用于验证数据转换效果的两种测试，在这里也成为衡量数据质量的标准：转换后的数据既要能够在机器人上 replay，也要能够真正用于后训练，并让模型泛化到相关任务。
这也解释了为什么 Pair Data 会成为 Psi-R2.5 这一轮数据升级的重要一环。
如果一段人类数据只能在语义层面告诉模型「人在做什么」，它对机器人操作的帮助仍然有限；而当它经过转换后，能够直接 replay、能够拿来训练模型，它才真正提供了机器人最需要的操作信息。
从 Psi-R2 到 Psi-R2.5，从灵初的数据路线可以看到一个明显变化：先把人类数据规模做到十万小时，然后再开始重新计算，这十万小时里到底有多少有价值的信息。
写在最后
具身智能走向规模化，数据成本始终是一道绕不开的门槛。
机器人每进入一个新场景、学习一个新任务，如果都要重新采集大量真机数据，再完成一轮训练和适配，能力扩张的速度很快就会被数据生产拖住。
人类数据提供了另一种可能。它足够丰富，也更容易持续获得，但规模优势只有真正转化成机器人能够执行、能够训练、能够泛化的操作数据，才有意义。
从 Psi-R2 到 Psi-R2.5，灵初一直在往这个方向推进。强 Pair Data 提高人类数据与机器人数据的对齐质量，HIL+RL 压缩具体任务的适配成本，ICL 则进一步尝试让机器人面对新任务时少一次重新训练。
未来，人类数据还能在多大程度上降低机器人的训练与部署成本，值得期待。
© THE END
转载请联系本公众号获得授权
投稿或寻求报道：[email protected]