「不可达三角」困局求解：强化学习如何重塑通用灵巧操作智能体

2024年深秋，具身智能领域再掀融资热潮。灵初智能宣布完成天使轮融资，由高瓴创投与蓝驰创投联合领投。这家英文名Proto-SentientIntelligence（缩写PsiBot）的初创企业，试图用强化学习技术破解困扰行业已久的「不可达三角」难题。

高泛化性、高灵巧性、高成功率：具身智能的三元悖论

当前具身智能面临三重核心挑战：其一，高泛化性要求机器人在变化环境中对不同物体执行复杂任务；其二，高灵巧性体现在执行任务的精确灵活，典型场景包括搭乐高、双手协同操作等；其三，高成功率意味着机器人在受干扰时仍能稳定正确执行任务，产品验证阶段需达95%，规模化落地则要求高于99.9%。

三者兼顾的技术难度极高。高泛化性需通用模型配合注重数据多样性的学习算法，高灵巧性需精细模型配合关注精度细节的学习算法及特定控制算法，鲁棒性同样对控制算法提出严苛要求。这形成了一个看似无解的技术三角。

强化学习：破解「不可达三角」的核心钥匙

灵初智能的解题思路指向强化学习。这项技术能让智能体在仿真环境中利用低成本合成数据训练，实现自主探索与试错学习最优解。更关键的是，强化学习不仅能提升灵巧性，甚至可超越人类操作上限，同时显著增强系统鲁棒性。

公司早期深耕基于强化学习的全栈能力，从灵巧操作入手在具身智能领域建立技术壁垒，后续将扩展至通用泛化操作。

分层端到端模型：Psi-P0与Psi-C0的技术架构

灵初智能开发了分层端到端模型，包含Psi-P0规划模型和Psi-C0控制模型两部分。

Psi-P0由梁一韬博士主导开发，借助大模型实现交互推理，帮助智能体理解行为对环境的影响，进而拆解复杂任务以实现任务泛化。该模型支持的任务复杂度和准确度已超越同期OpenAI的VPT和Nvidia的Minedojo工作。更重要的是，通过构建memory机制，可使具身模型具备lifelonglearning能力，即根据自身经历持续自我提升。

Psi-C0控制模型由陈源培提出，采用双层架构设计：上层利用人类运动数据训练参考轨迹生成器，下层则用生成轨迹指导强化学习训练。这一架构有效解决泛化性与灵巧性的平衡难题，并支持多个技能串联作业的训练挑战。陈源培与斯坦福大学共同提出的SequentialDexterity技术，通过串联多个灵巧操作策略完成长程任务，在真实世界的搭积木任务中，成功将翻找、重定向、抓取和插入积木四个技能串联起来，显著提升整体成功率。

商业路径：从2B服务业切入的务实选择

产品规划层面，灵初智能选择从2B服务业切入，以头部客户高价值场景需求为指引，开发整合技能集，实现商业落地。公司将快速迭代硬件、算法和数据系统，持续提升具身智能整体解决方案的泛化性、灵巧性和成功率，力求给出具身领域「不可达三角」的最优解。