灵初智能公司近期震撼发布了其创新之作——Psi R0，这是一款基于强化学习（RL）技术的端到端具身模型，专为双灵巧手协同操作设计。Psi R0的出现，标志着在复杂任务执行与智能体推理能力方面取得了重大突破。
这款模型最引人注目的特点之一，是其能够将多个技能无缝串联，通过混训形成具有卓越推理能力的智能体，从而成功闭环完成长程灵巧操作任务。更令人惊叹的是，Psi R0在跨物品、跨场景的应用中，展现出了惊人的泛化能力。
以电商场景的实际应用为例，Psi R0凭借其双灵巧手的精湛技艺，能够流畅地完成从抓取商品、扫码记录，到放置物品、塑料袋打结等一系列繁琐操作。这一成就，不仅意味着Psi R0能够在实际工作环境中替代一个完整的工位，更代表着业界在通过RL训练实现长程灵巧操作任务方面迈出了历史性的一步。
灵初智能公司透露，Psi R0模型是通过海量的仿真数据训练而成，这些数据被用来塑造出具备双手操作能力的智能体。公司还采用了独特的双向训练框架，将多个技能巧妙串联，使得Psi R0在开放环境中能够率先完成长程任务，并且具备强大的泛化能力和鲁棒性。
在技能训练框架的设计上，灵初智能公司摒弃了传统的奖励函数设计，而是从物体时空轨迹中抽象出关键信息，构建出通用目标函数。这一创新，极大地解决了奖励函数设计复杂且困难的问题。在后训练阶段，公司还通过引入少量高质量的真机数据，对模型进行了进一步的对齐和优化，从而显著提升了长程任务的成功率。
双向训练框架中的其他组成部分同样功不可没。它们能够微调技能，提高技能串联的成功率和泛化性，并赋予Psi R0模型自主切换技能的能力。这意味着，在面对操作失败时，Psi R0能够迅速调整策略，确保任务的高成功率执行。这一特性，无疑为Psi R0在实际应用中的稳定性和可靠性提供了有力保障。
