12 月 19 日消息，12 月 18 日，北京人形機器人創(chuàng)新中心正式開源國內(nèi)首個且唯一通過具身智能國標測試的具身 VLA 大模型 XR-1，以及配套的數(shù)據(jù)基礎(chǔ) RoboMIND 2.0、ArtVIP 最新版。

圍繞“具身天工”平臺，北京人形已發(fā)布具身天工 2.0、天軼 2.0 等多類型通用本體，為人形機器人干活奠定物理本體基礎(chǔ)。而具身大腦和小腦的協(xié)同是人形機器人干活的另一前提，目前圍繞“慧思開物”，北京人形已開源 WoW（我悟）世界模型和 Pelican-VL（天鶘）等具身大腦相關(guān)成果。

本次開源的系列內(nèi)容，是面向具身小腦能力的 VLA 模型 XR-1，以及為 XR-1 等模型提供數(shù)據(jù)訓練支持的 RoboMIND 2.0 和 ArtVIP。

在今年 8 月的 WRC 世界機器人大會上，北京人形正式發(fā)布了跨本體 VLA 模型 XR-1，它具備多場景、多本體、多任務(wù)特性，并且還擁有高泛化性等優(yōu)勢特點。

背后的技術(shù)原理在于，XR-1 具備跨數(shù)據(jù)源學習、跨模態(tài)對齊、跨本體控制三大核心支柱能力。首先，通過跨數(shù)據(jù)源學習讓機器人能夠利用海量人類視頻進行訓練，降低訓練成本提升訓練效率；其次，依靠跨模態(tài)對齊能夠打破視覺和動作的隔閡，讓機器人做到真正的知行合一；最后，借助跨本體控制可以讓 XR-1 快速匹配不同類型、不同品牌的機器人本體。

XR-1 首創(chuàng)結(jié)合虛實數(shù)據(jù)的三階段訓練范式：

第一階段：輸入積累超百萬級的虛實多本體數(shù)據(jù)、人類視頻數(shù)據(jù)，由 XR-1 把這些復(fù)雜的畫面和動作壓縮成一個包含許多離散代碼的“字典”，便于機器人后續(xù)隨時調(diào)用需要的“動作代碼”；

第二階段：用大規(guī)模的跨本體機器人數(shù)據(jù)來預(yù)訓練 XR-1，讓它懂得物理世界的基本規(guī)律，比如“松手東西會掉”、“推門門會開”；

第三階段：針對不同的任務(wù)場景（例如：分揀、搬箱子、疊衣服等）用少量的特定數(shù)據(jù)進行微調(diào)；最終讓機器人從一個“學富五車”的理論大師，蛻變?yōu)橐粋€“心靈手巧”的干活專家。