每經(jīng)記者｜朱成祥    每經(jīng)編輯｜黃博文    

1月6日，智元在官方公眾號(hào)發(fā)布SOP（英文全稱為Scalable Online Post-training，指一套面向真實(shí)世界部署的在線后訓(xùn)練系統(tǒng)）。

智元相關(guān)負(fù)責(zé)人告訴《每日經(jīng)濟(jì)新聞》記者，這是為了讓人形機(jī)器人在真實(shí)世界里持續(xù)進(jìn)化。

一直以來，人形機(jī)器人行業(yè)對(duì)選用何種類型數(shù)據(jù)進(jìn)行訓(xùn)練存在爭(zhēng)議。有廠商使用模擬仿真工具進(jìn)行訓(xùn)練，也有廠商選用真機(jī)進(jìn)行訓(xùn)練。后者的訓(xùn)練方式一度被業(yè)內(nèi)詬病，認(rèn)為缺乏真實(shí)場(chǎng)景的訓(xùn)練，即訓(xùn)練出來的人形機(jī)器人無法部署于真實(shí)場(chǎng)景。

簡(jiǎn)而言之，使用實(shí)驗(yàn)室中真機(jī)收集的數(shù)據(jù)進(jìn)行訓(xùn)練，人形機(jī)器人看似都能完成被布置的任務(wù)，但在實(shí)際使用中往往“手足無措”。

此次智元發(fā)布SOP框架，或有助于其補(bǔ)足關(guān)于真實(shí)場(chǎng)景的數(shù)據(jù)。

智元表示，現(xiàn)有VLA（視覺、語言、動(dòng)作）預(yù)訓(xùn)練模型已經(jīng)提供了強(qiáng)大的通用性。然而，真實(shí)世界的部署受困于更高的任務(wù)專精度要求，以及離線數(shù)據(jù)采集方式的邊際效益遞減，往往需要通過后訓(xùn)練獲得更高的任務(wù)成功率。遺憾的是，當(dāng)前主流的VLA后訓(xùn)練方法仍受離線、單機(jī)、串行采集等因素制約，難以支撐高效、持續(xù)的真實(shí)世界學(xué)習(xí)。這些限制并非源自具體算法，而是來自學(xué)習(xí)范式本身。

因此，智元推出SOP框架的核心目標(biāo)是讓機(jī)器人在真實(shí)世界中實(shí)現(xiàn)分布式、持續(xù)的在線學(xué)習(xí)。

關(guān)于SOP框架的效果，智元表示，SOP讓多任務(wù)通才的性能普遍提升。

此外，在預(yù)訓(xùn)練出現(xiàn)邊際效應(yīng)遞減的背景下，SOP將有助于突破VLA的性能瓶頸。智元表示，SOP在三小時(shí)的在軌經(jīng)驗(yàn)下就獲得了約30%的性能提升，而80小時(shí)額外人類專家數(shù)據(jù)只帶來了4%的提升。

封面圖片來源：圖片來源：每經(jīng)原創(chuàng)