💡
原文中文，约4600字，阅读约需11分钟。
📝
内容提要
灵初智能推出10万小时人类数据集，凭借双系统架构Psi-R2和Psi-W0，推动机器人精细操作与失败经验学习，成为具身智能领域的领军者。开源策略促进数据采集与行业发展。
🎯
关键要点
-
灵初智能推出10万小时人类数据集，成为具身智能领域的领军者。
-
灵初智能的双系统架构Psi-R2和Psi-W0推动机器人精细操作与失败经验学习。
-
灵初的10万小时数据集在行业内遥遥领先，开源1000小时数据以促进数据采集与行业发展。
-
具身智能面临数据荒，灵初选择使用高质量的人类数据来弥补这一缺口。
-
灵初的模型Psi-R2在MolmoSpace榜单中表现优异，超越国际知名模型。
-
灵初通过简化数据处理流程，直接对齐人类数据与机器人运动学。
-
Psi-R2和Psi-W0模型协同工作，分别负责学习和优化机器人操作。
-
灵初强调开源策略，以促进行业数据共享和技术落地。
-
灵初与多方合作，致力于构建具身智能的实际应用场景。
❓
延伸问答
灵初智能推出了什么样的数据集？
灵初智能推出了10万小时的人类数据集，成为具身智能领域的领军者。
灵初智能的双系统架构Psi-R2和Psi-W0有什么作用？
Psi-R2负责学习人类的操作，而Psi-W0则协助优化机器人操作，二者协同工作提升机器人的性能。
灵初智能如何解决具身智能领域的数据荒问题？
灵初智能通过使用高质量的人类数据来弥补数据荒，确保机器人能够学习到有效的标准作业流程。
灵初智能的开源策略有什么意义？
开源策略促进了数据采集与行业发展，使得全行业能够快速共享数据，打破技术封闭。
灵初智能的Psi-R2模型在评测中表现如何？
Psi-R2在MolmoSpace榜单中表现优异，超越了国际知名模型，成为行业第一梯队。
灵初智能如何处理人类数据与机器人运动学的对齐问题？
灵初通过简化数据处理流程，直接对齐人类数据与机器人运动学，确保模型能够有效学习。
➡️
