灵初智能发布端到端VLA模型Psi R0.5，仅需两小时数据实现物品、场景全面泛化
内容提要
机器之心AIxiv报道灵初智能和Figure发布的新型VLA模型Psi R0.5和Helix，展现出卓越的泛化能力和抓取性能，Psi R0.5的数据利用效率提升250倍。灵初智能还推出Retrieval Dexterity和ExDex技术，解决物体检索和抓取问题，并推出SafeVLA模型，强调人机安全交互。
关键要点
-
灵初智能和Figure发布新型VLA模型Psi R0.5和Helix，展现卓越的泛化能力和抓取性能。
-
Psi R0.5的数据利用效率提升250倍，仅需Helix数据量的0.4%。
-
灵初智能推出Retrieval Dexterity和ExDex技术，解决物体检索和抓取问题。
-
DexGraspVLA是首个用于灵巧手通用抓取的VLA框架，能够快速、准确地拾取各种物品。
-
DexGraspVLA通过少量训练实现灵巧操作能力，展现出人类级别的抓取能力。
-
Retrieval Dexterity通过强化学习提升堆叠场景中物体检索效率，减少操作步骤。
-
ExDex利用外部环境特征进行非夹持式操作，解决抓取“不可抓取”物体的问题。
-
SafeVLA模型强调人机安全交互，提升安全性和任务执行效率，确保机器人安全执行任务。
延伸解读
数据利用效率的突破
灵初智能的Psi R0.5模型在数据利用效率上实现了显著提升，仅需Helix数据量的0.4%即可完成泛化抓取训练。这一进步意味着在实际应用中，企业可以用更少的数据进行训练，从而降低成本和时间，提高研发效率。
人机安全交互的重要性
随着具身智能机器人的广泛应用，安全问题愈发重要。灵初智能推出的SafeVLA模型强调人机安全交互，通过引入安全约束，确保机器人在复杂环境中安全执行任务。这一创新不仅提升了安全性，也为未来机器人技术的应用提供了保障。
灵巧抓取能力的提升
DexGraspVLA框架展示了机器人在复杂环境中灵巧抓取的能力，能够快速、准确地拾取各种物品。这种能力的提升使得机器人在实际应用中更具实用性，尤其是在处理堆叠物体和复杂场景时，能够显著提高工作效率。
延伸问答
Psi R0.5模型的主要优势是什么？
Psi R0.5模型展现出卓越的泛化能力和抓取性能，数据利用效率提升250倍，仅需Helix数据量的0.4%。
DexGraspVLA框架是如何实现灵巧抓取的？
DexGraspVLA框架通过高层规划和低层控制的结合，利用视觉、语言和动作的层次化结构，实现灵巧抓取能力。
Retrieval Dexterity技术的主要功能是什么？
Retrieval Dexterity技术通过强化学习提升堆叠场景中物体检索效率，减少操作步骤，快速找到目标物体。
ExDex技术如何解决抓取“不可抓取”物体的问题？
ExDex技术利用外部环境特征进行非夹持式操作，借助环境抓取那些无法直接抓取的物体。
SafeVLA模型在安全性方面有哪些突破？
SafeVLA模型通过安全对齐技术，提升了83.58%的安全性和3.85%的任务执行效率，确保机器人安全执行任务。
灵初智能在具身智能领域的最新成果有哪些？
灵初智能发布了Psi R0.5、DexGraspVLA、Retrieval Dexterity和ExDex等技术，展现了在泛化抓取和物体检索方面的强大能力。
