每經記者｜朱成祥    每經編輯｜黃博文    

1月6日，智元在官方公眾號發(fā)布SOP（英文全稱為Scalable Online Post-training，指一套面向真實世界部署的在線后訓練系統(tǒng)）。

智元相關負責人告訴《每日經濟新聞》記者，這是為了讓人形機器人在真實世界里持續(xù)進化。

一直以來，人形機器人行業(yè)對選用何種類型數據進行訓練存在爭議。有廠商使用模擬仿真工具進行訓練，也有廠商選用真機進行訓練。后者的訓練方式一度被業(yè)內詬病，認為缺乏真實場景的訓練，即訓練出來的人形機器人無法部署于真實場景。

簡而言之，使用實驗室中真機收集的數據進行訓練，人形機器人看似都能完成被布置的任務，但在實際使用中往往“手足無措”。

此次智元發(fā)布SOP框架，或有助于其補足關于真實場景的數據。

智元表示，現有VLA（視覺、語言、動作）預訓練模型已經提供了強大的通用性。然而，真實世界的部署受困于更高的任務專精度要求，以及離線數據采集方式的邊際效益遞減，往往需要通過后訓練獲得更高的任務成功率。遺憾的是，當前主流的VLA后訓練方法仍受離線、單機、串行采集等因素制約，難以支撐高效、持續(xù)的真實世界學習。這些限制并非源自具體算法，而是來自學習范式本身。

因此，智元推出SOP框架的核心目標是讓機器人在真實世界中實現分布式、持續(xù)的在線學習。

關于SOP框架的效果，智元表示，SOP讓多任務通才的性能普遍提升。

此外，在預訓練出現邊際效應遞減的背景下，SOP將有助于突破VLA的性能瓶頸。智元表示，SOP在三小時的在軌經驗下就獲得了約30%的性能提升，而80小時額外人類專家數據只帶來了4%的提升。

封面圖片來源：圖片來源：每經原創(chuàng)