具身开发者社区

外观

新闻灵初智能博客3 个月前

灵初智能开源EgoSteer双灵巧手全栈系统，百种任务成功率75% ​

灵初智能联合北大发布并开源EgoSteer双灵巧手通用操作全栈系统。基于9.6K小时第一人称人手数据预训练与187小时真机后训练，支持百余种语义操作，开放场景平均成功率75%，少样本迁移性能显著优于同期基座模型。

AI 整理
  • 本体 SDK 与控制
  • 数据与采集
  • 具身模型

智元精灵 G2

本文由 AI 根据公开内容整理，可能有误，请以原文为准：灵初智能与北大-灵初联合实验室共同发布并开源双灵巧手通用模型和全栈系统 EgoSteer（灵初智能博客）

核心内容 ​

灵初智能与北大-灵初联合实验室正式发布并开源EgoSteer双灵巧手通用操作大模型及全栈系统。该系统包含数据处理管线EgoSmith、机器人控制栈Robot-Stack及世界模型增强VLA模型。通过9.6K小时第一人称人手视频预训练与187小时真机遥操/DAgger纠偏数据后训练，模型在7大类40个复杂桌面任务中实现75%平均成功率，远超Being-H0.5（39%）与π0.5（22%）。代码、模型权重及数据集均已开源，为双灵巧手研究提供可复现基线。

技术架构上，EgoSteer采用Qwen3-VL主干结合动作/世界双专家设计，构建48维统一动作空间对齐人机先验；推理端应用Training-RTC异步技术消除执行停顿。数据侧EgoSmith管线吞吐量较HaWoR提升9倍，产出209万片段高质量数据；Robot-Stack集成相对动作映射与自动手眼重标定，仅8.3小时DAgger数据即把困难任务成功率从22.5%提升至62.5%。训练Infra在8卡A800上MFU达44.5%，支持线性扩展至128卡以上。

关键看点 ​

  • 数据规模：清洗9.6K小时第一人称人手视频，产出209万片段10.4亿帧标准化数据集，处理吞吐量较SOTA提升9倍
  • 模型架构：采用Qwen3-VL+世界模型双专家架构，构建48维统一动作空间，推理零停顿且无需额外计算开销
  • 真机性能：40项复杂任务平均成功率75%，未见新语义任务达62%，8.3小时DAgger数据使困难任务成功率升至62.5%
  • 少样本迁移：RealMan机器人120条数据完成折纸盒成功率75%，AgiBot G1机器人200条数据拆蛋糕盒成功率83%

工程与产业观察 ​

EgoSteer验证了大规模第一人称人手数据预训练对双灵巧手泛化的关键价值，其48维统一动作空间与世界模型增强架构解决了人机运动学鸿沟。全栈开源降低了灵巧操作研究门槛，DAgger高效纠偏机制与Training-RTC异步推理为真机部署提供了工程范式，推动具身智能从夹爪向高自由度灵巧手演进。

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：灵初智能与北大-灵初联合实验室共同发布并开源双灵巧手通用模型和全栈系统 EgoSteer访问 2026-10-14