量子位
·
对话原力灵机周而进：模型2.4B就够用，关键是“具身原生”；能闭环才是最高效方法
💡
原文中文，约9700字，阅读约需24分钟。
📝
内容提要
原力灵机推出了具身原生模型DM0，参数仅2.4B，能够实时处理复杂任务。创始人周而进强调从零训练的重要性，模型通过多源数据和空间推理实现闭环智能，旨在提升机器人在物理世界中的操作能力。
🎯
关键要点
- 原力灵机推出了具身原生模型DM0，参数仅2.4B，能够实时处理复杂任务。
- 创始人周而进强调从零训练的重要性，模型通过多源数据和空间推理实现闭环智能。
- DM0模型支持实时处理三视角的728×728画面，推理延迟仅60毫秒。
- 该公司认为2.4B参数足以支撑具身智能的需求，且模型在真机上不断试错进化。
- 周而进提到，当前行业主流模型多为VLM+Action Head方案，而原力灵机追求具身原生路线。
- DM0模型通过多源、多任务、多机型训练实现具身智能，训练过程分为三个阶段。
- DM0在RoboChallenge大规模真机评测中获得单任务和多任务双料第一。
- 原力灵机的目标是构建感知-决策-执行的闭环智能，强调物理世界的反馈。
- 数据采集方式包括互联网数据、智能辅助驾驶数据和具身智能数据，三者在模型中承担不同角色。
- 周而进认为，数据采集应以需定采，针对性补充高熵场景的数据。
- 全身全时全域的数据采集方式旨在应对物理世界的复杂性，确保模型的全面性。
- 原力灵机还发布了开源具身框架Dexbotic 2.0和具身应用量产工作流DFOL。
- DM0模型的空间推理思维链确保每一步推理与物理现实对齐，提升精度。
- 周而进强调，机器人必须7×24小时运行，以获取真实数据和反馈。
- 具身智能的最终目标是实现机器人拥有广泛的社会身份，包括独立的支付能力。
- 原力灵机选择从物流场景入手，逐步拓展到家庭等复杂场景。
➡️
