新闻极客公园12 天前
具身智能API化:PI与原力灵机开放模型微调与后训练服务
本文由 AI 根据公开内容整理,可能有误,请以原文为准:具身智能,也到了 API 时刻?(极客公园)
核心内容
近期具身智能行业迎来API开放潮,Physical Intelligence(PI)、Dream Labs及原力灵机相继推出模型服务。PI允许开发者上传数据微调并云端推理,Almond公司借此在四天内让双臂机器人Axol掌握零部件去毛刺技能;Dream Labs推出按作业时长计费的Dream API;原力灵机升级Dexmal MaaS,聚焦模型进入具体场景的后训练环节。这标志着具身模型竞争维度从单一任务演示延伸至跨本体适配与真实任务交付能力,开发者可直接接入自有硬件验证模型泛化性。
技术层面,为解决云端推理延迟,PI采用实时动作分块策略实现计算与执行重叠,原力灵机配套DexOS Lite处理推理循环与多步动作衔接。针对真机适配,原力灵机MaaS支持LeRobot v3数据集格式,集成SFT示范学习、DAgger运行纠偏及RECAP失败记录优化策略,并提供数据采集指南。Dream-1模型虽具备双臂平行夹爪零样本能力,但仍需FaaS微调以提升指令跟随得分。这种将后训练工具链标准化的做法,降低了非算法团队将通用基模转化为专用技能的门槛。
关键看点
- PI四天迭代验证:Almond团队利用PI API上传数据微调,仅耗时四天即实现双臂机器人Axol对装配垫块的自动去毛刺,验证了云端推理驱动工业任务的可行性。
- 原力灵机后训练体系:Dexmal MaaS支持
LeRobot v3格式,集成SFT、DAgger及RECAP算法,配合DexOS Lite中间件,构建了从数据采集到失败恢复的完整真机适配工具链。 - 云端推理延迟优化:PI采用实时动作分块研究,原力灵机通过本地控制程序衔接云端预测,解决了远程推理中网络波动与动作连续性的工程矛盾,使云端大模型服务于实时作业成为可能。
- 跨本体零样本局限:Dream-1虽主打跨本体零样本能力,但仿真评估显示并非所有本体均能直接获益,仍需依赖FaaS微调服务提升语言指令跟随得分,表明通用模型落地仍需针对性适配。
工程与产业观察
具身智能API化的核心价值不在于“调用”,而在于“适配”。PI与原力灵机的实践表明,单纯的Zero-shot能力不足以应对非标工业场景,必须提供包含SFT、DAgger及失败恢复在内的标准化后训练工具链。对于产业决策者而言,评估具身模型服务商的标准应从Demo效果转向其后训练基础设施的完备度及对LeRobot等开源生态的兼容性,这才是缩短真机部署周期的关键。
外部来源
本页事实对应的公开页面,以原文为准。(点击将离开本站)
- 极客公园:具身智能,也到了 API 时刻? ↗访问 2026-11-09