新闻/灵初智能博客·6 个月前

灵初智能发布Psi-R2/W0模型，10万小时人类数据预训练具身策略

灵初智能推出Psi-R2与Psi-W0双模型架构，基于10万小时人类数据完成预训练。采用Raw Data直入直出方案与运动学映射，推理耗时压缩至100ms内，少样本微调即可执行手机装配等复杂任务。

AI 整理

• 数据与采集
• 具身模型
• 端侧部署

本文由 AI 根据公开内容整理，可能有误，请以原文为准：From Human Skill to Robotic Mastery（灵初智能博客）

核心内容

灵初智能发布业内首个基于10万小时量级人类数据预训练的具身智能模型框架，包含策略模型Psi-R2与世界模型Psi-W0。该框架融合5417小时真机数据与95472小时人类数据，覆盖294种场景、4821种任务及1382种物体。经预训练后，模型仅需少于100条真机轨迹微调，即可完成手机装配、工业包装等长时序高精细操作，解决了具身智能核心数据匮乏难题。

Psi-R2基于Wan2.2-IT2V-5B-480P骨干网络，采用“Raw Data In, Raw Data Out”极简工程方案，仅通过运动学映射对齐维度，摒弃人工设计的跨空间对齐模块以避免模糊动力学差异。数据管线结合DPVO与Any4D技术栈，将外骨骼手套采集轨迹误差降至亚毫米级。工程端通过DiT缓存、Torch编译及量化优化，将单次推理耗时从2.2秒压缩至100毫秒以内，保障实时操控性能。

关键看点

• 数据规模：预训练混合5417小时真机数据与95472小时人类数据，覆盖294场景与4821任务，支持少于100条轨迹微调
• 训练范式：遵循Raw Data原则仅做运动学映射，验证表明人工对齐模块在大数据规模下反致长时序精细操作性能下降
• 数据精度：采用DPVO+Any4D技术栈处理第一人称视频，结合外骨骼手套校准，将人手操作轨迹恢复误差降至亚毫米级
• 推理性能：通过DiT缓存、Torch编译及模型量化等工程优化，将WAM架构单次推理耗时从2.2秒压缩至100ms以内

工程与产业观察

该工作验证了十万小时级原始人类数据在具身预训练中的有效性，证明摒弃复杂人工对齐、保留数据原生分布更能提升精细操作上限。其亚毫米级数据管线与百毫秒级推理优化，为行业利用海量非结构化人类视频数据提供了可复现的工程基准，推动具身大模型从仿真走向真实工业场景落地。

来源

本页事实对应的公开页面，以原文为准。

1. 灵初智能博客：From Human Skill to Robotic Mastery访问 2026-10-23