具身智能开始拼高质量数据了！灵初Psi-R2.5用强 Pair Data重做训练链路

人类示范「准备配菜 — 青椒下锅 — 龙虾下锅」三步流程后，Psi-R2.5 通过 In- 按顺序复现任务，无需重新训练模型。

同样是炒菜，两年前关注的是机器人「会不会」，现在灵初更关注机器人「怎么学」。

对人来说，拿起锅铲，翻动食材，几乎都是下意识完成的。那能不能跳过一遍遍的采集真机数据，直接把人类的操作经验拿来训练机器人？

灵初此前已经在沿着这条路前进。

四月发布的 Psi-R2 和 Psi-W0 将十万小时规模的人类数据用于预训练，并通过 Psi-W0 和强化学习，把人手轨迹进一步优化成机器人能够执行的轨迹。但这意味着， 与 World Model 需要反复 ，轨迹还要继续用强化学习微调，整个转换链路依然繁琐。

现在，灵初智能正式发布新一代具身基础模型 Psi-R2.5。

这一次，团队没有继续把重点停留在「十万小时人类数据」上，而是开始处理数据规模起来之后的两个新问题：哪些数据真正有价值，以及怎样让这些人类数据更顺畅地进入机器人的训练过程。

在数据转换方面有一个关键变化，既然从人类数据到机器人数据的转换很麻烦，能不能反过来，先从本来就能执行的真实机器人数据出发？

答案落在了Pair Data上。

Pair Data：让人类数据真正进入机器人训练

为什么不能直接把人类视频拿来训练机器人？核心还是 Gap。

一方面，人手和机械手在视觉上存在差异，相机参数、环境变化等也会带来 Gap；另一方面，人类 与真实机器人数据之间还存在手部姿态估计、关节结构带来的运动学误差，以及摩擦力等物理参数误差，也就是 Gap。

前面提到，上一代 Psi-W0 已经能够将人手轨迹优化成可执行的机器人轨迹，但每条数据仍需要经过 World Model 和强化学习微调。

Psi-R2.5 改变了 Pair Data 的构建方式。

灵初把只按照相同任务语义收集的数据称为「弱 Pair Data」；如果图像上除本体外基本一致、时序上逐帧对应，同时 可以直接在机器人上 ，则称为「强 Pair Data」。

视频地址：

强 Pair Data

视频地址：

弱 Pair Data

团队从真实机器人数据出发，逆向生成对应的人手数据。

这一步很有意思：最终明明是要把人类数据转成机器人数据，为什么先反过来生成一遍人手数据？

关键在于，真实机器人数据本身已经包含可以直接使用的图像和 。团队从这些机器人数据出发，生成与之一一对应的人手数据，就先得到了一批成对的人类 — 机器人数据。

有了这批强 Pair Data，团队进一步训练了带 的端到端人类数据到机器人数据转换模型，让新的人类操作数据可以直接与机器人数据对齐。

视频地址：

那要怎么验证转换有没有用？一是可以把转换后的机器人数据直接放到真机上 ；二是拿这些数据继续训练模型。

最终，人只需要用普通手机或相机拍下一段操作视频，就可以通过这套 将其转换成不同机器人的数据。

视频地址：

相比上一代，这一次真正缩短了「拿到一段人类数据」和「得到机器人真正能用的数据」之间的距离。

从人类示范到真实任务，只要 1—2 个工作日

但把人类数据转换成机器人能够使用的数据，只解决了「怎么学」的问题。

面对具体场景，机器人还需要处理任务步骤和现场环境等一系列的变化。

因此，Psi-R2.5 在模型结构上也做了调整。

相比上一代 Psi-R2 和 Psi-W0 两个模型分别承担不同功能，R2.5 采用了双层架构：上层负责长程任务拆解，把一段长 分解成对应的 ；下层再结合当前观测，输出机器人具体的操作轨迹。其中，上层模型以 .5-4B 为骨干，下层则使用 Wan2.2-IT2V-5B，两者通过同一批预训练数据进行训练。

不过，基础模型到了真实客户现场，仍然很难做到不经过额外训练，就直接应对所有任务。不同场景里的 SKU、步骤和作业节拍往往高度定制，所以后训练在相当长一段时间内仍然是必要环节。

为此，灵初开发了一套基于灵巧手的 HIL（Human-in-the-Loop）+ RL 后训练框架：只需要少量数据，就可以在基础模型上继续微调；部署过程中出现的失败案例，也会实时回流，用于后续迭代。

来看一个直观例子：手机盒装配。

这是一个步骤很多、同时对精细操作要求很高的任务。如果直接从零开始用模仿学习训练，成功率很低；而在 HIL 和后训练 RL 的基础上，经过几轮迭代后，成功率可以提升到 99%，整个过程只需要 1—2 个工作日。

视频地址：

Pair Data 解决了怎样让人类示范成为机器人真正能用的训练数据，而 HIL 和 RL 则是让模型在进入具体现场之后，能更稳定地完成任务。

对于临时出现的新任务，Psi-R2.5 还探索了另一种更轻量的方式：In- 。人先示范一遍，再把这段轨迹作为类似 的上下文输入，让机器人根据示范完成之前不会的任务。

机器人的 和语言模型还有一点不同，它不是单纯的一段文字，而可以是一段人类示教视频。

借助前面的强 Pair Data 转换能力，人类示范可以先被转换成对应的机器人数据，再作为 输入模型。ICL 可以让机器人在不更新模型参数的情况下，根据文本提示或物理提示，对新任务进行零样本泛化。

视频地址：

从实际使用上看，这两种方式可以对应不同的任务需求：需要长期稳定执行的任务，可以继续通过后训练和现场数据迭代；面对新的任务，则可以通过示范和上下文学习，更轻量地完成适配。

十万小时之后，数据 开始比拼「信息量」

假设有 10000 小时数据，覆盖 100 个任务，每个任务重复 100 小时；另一批数据只有 100 小时，同样覆盖 100 个任务，每个任务只有 1 小时。

两者时长相差 100 倍，但真正包含的任务信息量，可能并没有那么大差别。

因此，在人类数据达到十万小时量级之后，Psi-R2.5 开始主动压缩重复数据：减少单个任务的数据量，在相同数据规模下尽可能覆盖更多任务；同时通过 数据管线，把拆分后的原子任务标得更细，再进行审核。

的重点，也开始从单纯增加时长，转向提高同等数据规模里的信息量。

这种变化也延伸到了评测。

Psi-R2.5 在训练过程中引入仿真评测，并设置了一个包含 50 个复杂任务的多任务真机评测集。测试时还会持续随机化任务初始状态，用来观察模型在组合泛化上的表现。