1月11日,千尋智能自研的具身智能模型Spirit v1.5在具身智能模型評(píng)測(cè)榜單RoboChallenge中擊敗國際標(biāo)桿Pi0.5,奪得全球總榜第一。
![]()
這不僅是千尋智能的技術(shù)突破,更是中國具身智能模型首次在核心性能指標(biāo)上超越海外頂尖開源模型。
為驗(yàn)證榜單成績(jī)來源于自研模型且真實(shí)有效,千尋智能于今日(1月12日)同步開源了基礎(chǔ)模型以及提交RoboChallenge榜單測(cè)試所使用的模型權(quán)重與核心代碼,接受公眾與研究社區(qū)的獨(dú)立檢驗(yàn)。通過這一方式,研究者不僅可以復(fù)現(xiàn)榜單評(píng)測(cè)結(jié)果,也可以將Spirit v1.5作為具身智能基礎(chǔ)模型,在此基礎(chǔ)上開展進(jìn)一步研究與創(chuàng)新。
RoboChallenge是2025年新成立的標(biāo)準(zhǔn)化評(píng)測(cè)體系,由Dexmal、Hugging Face等機(jī)構(gòu)聯(lián)合發(fā)起,聚焦具身智能模型的跨平臺(tái)能力驗(yàn)證。作為當(dāng)前具身智能領(lǐng)域強(qiáng)調(diào)真實(shí)機(jī)器人執(zhí)行能力的重要benchmark,其評(píng)測(cè)任務(wù)覆蓋復(fù)雜指令理解、多步驟操作規(guī)劃以及跨場(chǎng)景執(zhí)行穩(wěn)定性等多個(gè)維度。Spirit v1.5在該平臺(tái)取得第一名,顯示出其在通用機(jī)器人任務(wù)與真實(shí)執(zhí)行場(chǎng)景中的綜合能力。
從評(píng)測(cè)結(jié)果來看,Spirit v1.5在多項(xiàng)任務(wù)中保持較高成功率,尤其在多任務(wù)連續(xù)執(zhí)行、復(fù)雜指令拆解以及跨構(gòu)型遷移等維度中表現(xiàn)穩(wěn)定。
![]()
在模型架構(gòu)上,Spirit v1.5采用Vision-Language-Action(VLA)統(tǒng)一建模框架,將視覺感知、語言理解與動(dòng)作生成整合在同一決策流程中,減少多模塊串聯(lián)帶來的信息損耗,并提升長(zhǎng)程任務(wù)中的整體穩(wěn)定性。
在訓(xùn)練方法上,Spirit v1.5的一個(gè)核心特點(diǎn)是不依賴高度精選的“干凈”演示數(shù)據(jù)。千尋智能在技術(shù)博客中提出,過度腳本化、受控環(huán)境下采集的數(shù)據(jù),雖然有利于模型快速收斂,但會(huì)限制其在真實(shí)世界中的泛化能力。
因此,Spirit v1.5在預(yù)訓(xùn)練階段引入了開放式、多樣化的數(shù)據(jù)采集范式。數(shù)據(jù)采集不再嚴(yán)格限定任務(wù)腳本,而是以“完成有意義目標(biāo)”為導(dǎo)向,允許操作過程中自然串聯(lián)多個(gè)子任務(wù)與原子技能。這種方式使模型在訓(xùn)練階段接觸到更接近真實(shí)世界的復(fù)雜性,包括遮擋、失敗恢復(fù)以及任務(wù)之間的自然過渡。
![]()
相關(guān)消融實(shí)驗(yàn)顯示,在相同數(shù)據(jù)規(guī)模下,基于多樣化數(shù)據(jù)預(yù)訓(xùn)練的模型,在新任務(wù)上的遷移效率明顯高于基于傳統(tǒng)演示數(shù)據(jù)訓(xùn)練的模型,達(dá)到相同性能所需的計(jì)算資源顯著減少。這一結(jié)果也解釋了Spirit v1.5在RoboChallenge多構(gòu)型、未見任務(wù)評(píng)測(cè)中的穩(wěn)定表現(xiàn)。
在當(dāng)前具身智能研究仍高度依賴少數(shù)技術(shù)路線的背景下,Spirit v1.5為學(xué)界和產(chǎn)業(yè)界提供了一條不同的數(shù)據(jù)范式與訓(xùn)練思路,有助于推動(dòng)更具泛化能力的通用機(jī)器人模型探索。
特別聲明:以上內(nèi)容(如有圖片或視頻亦包括在內(nèi))為自媒體平臺(tái)“網(wǎng)易號(hào)”用戶上傳并發(fā)布,本平臺(tái)僅提供信息存儲(chǔ)服務(wù)。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.