靈初智能近日發布了其首個基于強化學習（RL）的端到端具身模型 Psi R0。該模型通過雙靈巧手協同操作，能夠完成復雜的長程任務，并具備跨物品、跨場景的泛化能力。
Psi R0 在電商場景中表現尤為突出。以商品打包為例，這一任務涉及抓取、掃碼、放置、塑料袋打結等多個操作步驟。Psi R0 能夠流暢地完成這一系列動作，官方表示，該模型在客戶現場可以取代一個完整工位。
該模型通過海量仿真數據訓練出雙手操作的智能體，并采用雙向訓練框架串聯多技能，率先在開放環境中完成長程任務。其技能訓練框架從物體時空軌跡中抽象出關鍵信息，構建通用目標函數，解決了獎勵函數難設計的問題。
在后訓練階段，Psi R0 通過少量高質量真機數據對齊，進一步提升長程任務的成功率。雙向訓練框架中的轉移可行性函數則微調技能，提高串聯的成功率與泛化性，使模型在遭遇操作失敗時能夠迅速調整策略，確保高成功率。
