清北团队领航，银河通用、灵初智能、星海图的最新进展

具身智能创业如火如荼，技术路线是否收敛、以及数据来源的选择，都是大家一直关心的问题。最近清华北大的团队密集发布了很多研究成果，我们或许可以从中分析出一些趋势。

23 年初成立的银河通用背后是前如布科技联创尹方鸣和姚腾洲、科学家是北大助理教授王鹤。银河通用是低成本仿真路线的拥护者，经过 2 年努力于近期重磅发布了 GraspVLA，思路与 RoboCasa、RoboGen 等类似，在海量合成的仿真环境中合成机器人数据。但 GraspVLA 只关注抓取任务，将预训练的 AnyGrasp 模型部署到仿真中采集大量数据来训练一个 VLA。在仿真中可以加入很多随机化、以提升 VLA 的泛化性。

2024 年 9 月成立的灵初智能，CEO 是前京东机器人总裁王启斌、以及机器人算法负责人柴晓杰、李飞飞学生陈源培，背后科学家包括北大助理教授杨耀东和梁一韬。

与银河通用类似，灵初智能也是在仿真环境中大规模预训练模型，但在模仿学习中加入了强化学习技术、以及真机数据对齐微调训练，使得即使只用少量仿真和真机数据也能做到很泛化的复杂任务，实现不同技能顺滑串联操作。2024 年 12 月底发布的 Psi R0 模型完成了双手协作长程的泛化打包任务，已展现出了该模型能实现真正商业化的强大潜力。

灵初智能此前的其他成果，比如 lego 组装也是长程的灵巧手任务，可以突破过去强力抓取的能力边界、完成更灵活的抓取和灵巧动作。根据之前的公开信息，灵初智能将于 3 月份发布自研本体以及更泛化的具身大模型。

在数据选择方面，23 年 9 月成立的清华系星海图持完全不同的观点，他们认为数据价值上，真机数据 > 互联网数据 > 仿真数据。星海图 CEO 是 Momenta 前执行董事高继扬，科学家包括清华助理教授赵行和许华哲。他们计划今年发布 100 万条真机数据、明年发布 1000 万条真机数据。

星海图计划采用真机数据为主来预训练具身大模型、而不是灵初和银河那种大规模仿真数据预训练。但以大规模真机数据为主存在 diverse 不足的问题，无法涌现泛化。

在仿真数据方面，星海图强调 Real2Sim2Real 后训练。仿真数据只作为后训练的一个强化剂，将真实数据在仿真中加入随机化来扩充 1000 倍，以实现更高的成功率和更好的落地效果。

三家清北团队在算法和数据选择上略有不同。灵初智能在算法上强调强化学习、银河在数据上强调仿真、星海图强调真实数据。不过各家都采用了仿真和真实数据结合的方法，只是在预训练和后训练上强调不同的数据比例。

期待这几家准独角兽公司在未来带来更多的惊喜。清华北大是具身智能创新的先锋，近期还有很多有意思的成果。

比如清华星动纪元 ERA-42、北大与国地共建具身智能中心 RoboMind、北大与智元 OmniManip、清华千寻智能 CoPa 和 Data Scaling Law 等工作都很值得分析。