C17官方网站-C17(中国)-北京人形开源慧思开物Robo

Robo-ValueRL 赋能呆板人甄辨数据，冲破具身智能进修瓶颈。

编纂丨李希

7月9日，北京人形呆板人立异中央（如下简称北京人形）的慧思开物平台技术库重磅更新了，北京人形本次是结合中国人平易近年夜学高瓴人工智能学院，正式开源了Robo-ValueRL。 这不是一次平凡的开源，而是具身智能范畴一次相称要害的 认知进级 ——呆板人终究再也不对于所有数据照单全收，而是学会了 甄别数据好坏 。

01

行业困局：呆板人还有于 被动进修

说真话，当前具身智能赛道有一个很难堪的实际：年夜大都模子素质上还有于做 复读机 。

人工遥操作收罗的轨迹里，优质动作、夷由动作、纠偏动作、掉败动作、无效操作稠浊于一路。模子没有能力区别这些片断的价值，只能通盘吸收、混同练习。成果是数据量堆上去了，但精度及不变性却卡于天花板，甚至越练越弱——学新忘旧，堕入典型的灾害性遗忘。

更要害的是，这类 来者不拒 的练习模式，直接限定了呆板人的运用场景。今朝行业落地年夜多集中于年夜件搬运、粗粒度放置这种低精度场景，半导体周详装置、3C制造等高价值工业场景始终打不开。

这不是技能选型的问题，而是底层范式的瓶颈。

02

Robo-ValueRL的焦点解法：给呆板人装一个 价值雷达

此次开源的Robo-ValueRL，素质上是于传统VLA（Vision-Language-Action）框架里，塞进了一个价值预计器。

这个价值预计器的作用，相称在给呆板人装了一个 质量雷达 ——它能基在汗青不雅测信息，对于轨迹数据举行质量判断，筛选高价值样本，把低质量滋扰数据挡于练习门外。

详细来讲，它解决了三个真实场景痛点：

视觉遮挡：单帧画面被遮挡时，汗青信息能补全判定

不雅测歧义：反复纹理、相似场景下，汗青轨迹提供上下文

使命状况反复：防止于轮回状况中误判进展

从试验数据看，这个价值预计器对于使命进展及动作质量具有两重感知：使命平稳推进时值值曲线总体上升；一旦呈现掉误或者误差，价值预计会当即捕获降落旌旗灯号，辅助定位过错节点。

一句话：呆板人终究知道哪些经验值患上学，哪些该扔失。

03

技能架构：冻结骨干+残差微调，破解 进化悖论

于线迭代中的灾害性遗忘，是具身智能持久面对的 进化悖论 ——模子于新场景上微调时，会全局更新权重，前期习患上的周详操作技术被笼罩，越迭代越退步。

Robo-ValueRL的应答计谋很务实：冻结预练习骨干，用轻量残差适配器做增量微调。

这象征着模子保留了预练习阶段的焦点通用能力，只针对于详细掉败模式进修批改计谋。共同人于回路的数据收罗机制，模子可以于真实情况中连续交互、筛选高质量样本、精准微调，实现 学新只管即便不丢旧、越练越稳 。

04

落地数据：从46%到86%，这不是简朴的数字跳涨

官方披露了仅练习6天的真机验证数据：

场景初始乐成率迭代后乐成率毫米级芯片周详插装46%86%永劫序积木拆解60%84%

横向对于比Dagger等主流算法，Robo-ValueRL于双使命中均取患上更优体现。更值患上存眷的是效率维度：人类遥操作完成单次芯片插入凡是需要2-3次测验考试，而搭载该框架的呆板人可一次完成毫米级周详插入，功课效率到达人类操作员的1.5倍。

从46%到86%，从60%到84%，这组数据的真正意义不于在涨幅自己，而于在它标记着人形呆板人从 被动模拟 向 价值指导进修 的范式改变。

05

全栈开源：不只是放代码，而是放一套可复现的技能栈

此次开源的至心值患上存眷——论文、代码、数据、模子同步开放。

区分在行业内常见的 只放演示视频 或者 部门成果开源 ，Robo-ValueRL提供的是一套完备的离线预练习+于线自顺应微调全链路VLA强化进修技能栈。研究社区可以体系阐发价值预计于呆板人进修中的作用，财产研发团队也能基在真实数据及模子东西，进一步摸索高精度操作于半导体、3C制造等场景的运用。

06

一点不雅察

具身智能赛道本年较着于加快，但 加快 不等在 成熟 。Robo-ValueRL的价值于在，它对准了一个被持久轻忽但至关主要的环节——数据质量评估与于线连续进化。

于工业落地层面，精度、不变性、可迭代性缺一不成。价值预计器的引入，让呆板人具有了 自我甄别 能力；冻结骨干+残差微调的架构设计，则包管了这类能力可以连续进化而不退化。

固然，86%的乐成率间隔工业级 零缺陷 尺度仍有间隔，永劫序使命的泛化能力也需要更多场景验证。但至少，具身智能已经经迈出了从 粗放模拟 到 邃密化进修 的要害一步。

-C17官方网站-C17(中国)