近期，科技界迎來了一項革命性的突破，星動紀(jì)元公司正式推出了其端到端原生機(jī)器人大模型ERA-42，這款被命名為“紀(jì)元原生機(jī)器人大模型”的創(chuàng)新成果，象征著對宇宙奧秘?zé)o盡探索的精神，同時展示了與自研五指靈巧手星動XHAND1協(xié)同作業(yè)的卓越能力。ERA-42已成功掌握了超過100種復(fù)雜精細(xì)的操作技能，且仍在不斷擴(kuò)展其技能庫，如使用工具擰緊螺釘、精準(zhǔn)敲擊釘子、扶正水杯并倒水等。
依托ERA-42的強大能力，星動XHAND1能夠靈活應(yīng)對多種新任務(wù)，實現(xiàn)了五指靈巧手如人手般的多樣工具操作能力。這一成就標(biāo)志著業(yè)界首次通過單一具身大模型，完成了上百種復(fù)雜精細(xì)的操作任務(wù)，凸顯了ERA-42在通用性和靈巧操作方面的行業(yè)領(lǐng)先地位。無需任何預(yù)編程，僅憑其出色的泛化和自適應(yīng)能力，ERA-42能在極短時間內(nèi)，通過少量數(shù)據(jù)收集學(xué)會新技能。
星動XHAND1與ERA-42的結(jié)合，展現(xiàn)了超過100種精細(xì)化、智能化的五指靈巧手操作任務(wù)，標(biāo)志著具身大模型通用靈巧操作新時代的到來。ERA-42不僅是全球首個真正的五指靈巧手具身大模型，更是開啟了具身智能體通用靈巧操作的大門。
要實現(xiàn)真正的具身大模型，需滿足三大核心要素：統(tǒng)一的模型泛化能力、端到端的處理流程以及規(guī)?；陌l(fā)展?jié)摿?。首先，通過構(gòu)建融合視覺、語言、觸覺和身體姿態(tài)等多模態(tài)信息的統(tǒng)一原生模型，實現(xiàn)對不同任務(wù)和環(huán)境的廣泛適應(yīng)性。其次，從接收全模態(tài)數(shù)據(jù)到生成最終輸出，通過一個簡潔的神經(jīng)網(wǎng)絡(luò)鏈路完成，無需人為干預(yù)，顯著提升具身智能體的靈活性和開發(fā)效率。最后，真正的端到端算法允許模型通過持續(xù)的數(shù)據(jù)積累實現(xiàn)自我完善，數(shù)據(jù)量增長的同時，性能提升，并在未知任務(wù)中展現(xiàn)卓越的自適應(yīng)和泛化能力。
星動紀(jì)元ERA-42作為國內(nèi)首個真正意義上的端到端原生機(jī)器人大模型，其性能與世界領(lǐng)先水平比肩。早期，星動紀(jì)元與Physical Intelligence（PI）幾乎同時采用端到端算法提升原生機(jī)器人大模型性能，PI推出的π0模型通過結(jié)合大規(guī)模視覺-語言預(yù)訓(xùn)練與機(jī)器人操作數(shù)據(jù)集，實現(xiàn)了機(jī)器人在人類環(huán)境中自主執(zhí)行多種復(fù)雜任務(wù)的能力，這是具身大模型領(lǐng)域的重要里程碑。星動紀(jì)元的研究成果與PI不謀而合，其論文HiRT: Enhancing Robotic Control with Hierarchical Robot Transformers在CoRL2024上發(fā)表。
星動紀(jì)元隨后探索了另一條訓(xùn)練道路，采用大規(guī)模視頻數(shù)據(jù)學(xué)習(xí)策略，涵蓋無標(biāo)注視頻、各類形態(tài)機(jī)器人數(shù)據(jù)、人類活動數(shù)據(jù)及遙操作數(shù)據(jù)等。不同于直接模仿視頻中的行為，星動紀(jì)元學(xué)習(xí)行動產(chǎn)生的結(jié)果，降低了數(shù)據(jù)收集成本，解決了數(shù)據(jù)消耗巨大的行業(yè)難題。星動紀(jì)元將世界模型融入原生機(jī)器人大模型中，使模型不僅具備行動能力，還具備了對物理世界的理解能力，能夠預(yù)測未來行動軌跡，并迅速響應(yīng)外部干擾，在任務(wù)執(zhí)行過程中持續(xù)自適應(yīng)優(yōu)化行為，提升執(zhí)行任務(wù)的高效性和準(zhǔn)確性。
相比傳統(tǒng)的夾爪，星動XHAND1基于ERA-42的能力，能夠完成更多樣化、更復(fù)雜、更精細(xì)的操作任務(wù)。五指靈巧手像人手一樣使用多種工具，實現(xiàn)了更高的通用性和靈巧性。同時，ERA-42具備對物理世界的理解和未來預(yù)測的能力，顯著提升了泛化能力和任務(wù)成功率。通過大規(guī)模視頻數(shù)據(jù)的預(yù)訓(xùn)練，ERA-42在短時間內(nèi)通過少量數(shù)據(jù)就能學(xué)會新的操作任務(wù)，展現(xiàn)出強大的泛化和自適應(yīng)能力。融合世界模型后，ERA-42在單任務(wù)和長序列任務(wù)上都展現(xiàn)出了業(yè)內(nèi)領(lǐng)先的抗干擾能力。
研究結(jié)果顯示，隨著模型規(guī)模的擴(kuò)大，任務(wù)成功率明顯提升，初步體現(xiàn)了與大語言模型訓(xùn)練中類似的“Scaling效應(yīng)”。這一發(fā)現(xiàn)進(jìn)一步證明了模型規(guī)模與性能之間的正相關(guān)性。為實現(xiàn)通用具身智能體的產(chǎn)業(yè)化落地，星動紀(jì)元不僅打造了ERA-42這樣的先進(jìn)模型，還推出了為AI定義的全新硬件平臺，如自研的五指靈巧手星動XHAND1。這款靈巧手具備12個主動自由度，全自主五指關(guān)節(jié)驅(qū)動，高精度作業(yè)能力，以及高分辨率觸覺陣列傳感器，為復(fù)雜靈巧操作任務(wù)奠定了基礎(chǔ)。
依托ERA-42和星動XHAND1的協(xié)同進(jìn)化，星動紀(jì)元通用人形機(jī)器人執(zhí)行任務(wù)的通用性和泛化性將得到大幅提升。結(jié)合此前發(fā)布的復(fù)雜地形穩(wěn)定行走和奔跑的運動性能，以及上下肢協(xié)同作業(yè)能力，星動紀(jì)元的原生通用具身智能體將擁有更廣泛的應(yīng)用場景，真正實現(xiàn)產(chǎn)業(yè)化落地。
