李飞飞学生推机器人模型，Jim Fan：太流畅了

实现跨本体泛化。

作者 |钟宸

编辑 |漠影

机器人前瞻9月15日报道，今天，由两位斯坦福学生Zipeng Fu和Chen Wang创办的Reward AI，推出其首款机器人基础模型OM-1，该公司称，这一模型可实现任何机器人的零样本泛化，包括桌面机械臂、工业机械臂和人形机器人等。

从演示效果看，OM-1能独立完成调酒、叠衣物、拔网线等精细操作，还可实现多机器人协作，双机械臂可协作包装手机。

同时，当途中出错时，OM-1会自我纠正，受到干扰也能停下或重试，搭载该模型的人形机器人还能完成开冰箱取饮料的全身操作。

Reward AI称，不到30分钟的数据输入，它就能学会一项全新任务，包含复杂的动态和长程任务。

核心思路上，OM-1不用遥操作和机器人数据，而是通过自研的Omnibody Hand直接采集人的操作数据，以“手”为通用接口，经统一的数据管线训练出跨本体通用的模型。

控制层则在仿真中强化学习训练，按自身节拍运行。

Reward AI的联合创始人兼CEOZipeng Fu博士毕业于斯坦福大学AI Lab，曾在Google DeepMind公司担任研究员。也是Mobile ALOHA的共同第一作者。

联合创始人兼CTOChen Wang博士毕业于斯坦福计算机科学专业，曾师从李飞飞和Karen Liu。

目前，在X（原推特）上，这一帖子已获得超过2000点赞。

大多数网友对这一成果表达了赞叹，包括英伟达高级AI研究科学家Jim Fan，他评论道：“恭喜两位创始人！！（演示）太流畅了！”

01.

可调酒、打包手机、拔网线，实现快速操作

在Reward AI展示的视频中，最值得关注的就是OM-1展现的长程能力。在视频中，两双机械臂配合对手机进行包装，有意思的是，其中一对机械臂在盖上手机包装盒盖子时，选择首先倾斜一角盖上，在一定程度上体现了拟人性。

该模型还可以独立完成调酒工作，完成从倒入酒液、冰块到摇晃调酒杯、拔开瓶塞、将鸡尾酒倒入杯中等动作，从视频来看，动作均为一次性完成，并未出现失败情况，机械臂运行过程甚至看起来有一些“果断”。

这一模型还可以完成叠衣物的任务，视频中，机械臂先将衣物平摊，随后通过拿起中间部分实现对折、甩动实现卷曲衣物的目标，整个过程仅花费17秒钟。

Reward AI还测试了拔掉以太网线的任务。与USB不同，以太网连接器牢牢锁定，只有在非常精确地按下锁扣时才会松开。OM-1解决了这一精细操作任务。在视频后半段，机械臂还能够意识到自己按错部位，对按压位置进行调整。

OM-1还表现出多种涌现行为，会弥补此前犯下的错误。Reward AI称，这一模型知道何时重试，何时适应对抗扰动，何时在环境剧烈变化时停止。

从视频来看，当上一机械臂没能完成任务时，下一机械臂会帮助其完成任务，面临人类对任务状态进行干扰时，机械臂也能对此进行调整：当人类将酒杯拿走时，模型会选择停止执行倒酒液的任务；当酒杯瓶塞无法拧开时，模型也会重新进行任务，而非报错。

此外，OM-1还可以为人形机器人提供全身操控和导航的能力。在视频中，人形机器人完成了打开冰箱、拿取饮料的操作，且Reward AI表示，所有演示视频均为实时画面，未做加速处理。

02.

实现跨本体泛化，采用电磁感测技术

Reward AI还在技术博客中表达了自己的理念，即基于一个核心原则，构建Omnibody系统：一个模型，一个数据接口，适用于任何形态。

Omnibody将整个处理流程集成到一个系统中。它能够以人们实际工作的速度收集操控行为的数据，并从这些行为中学到通用的机器人策略。

这种策略还能在不同的机器人形态中应用，Reward AI以手作为连接这些不同形态本体的通用接口，从而实现跨形态的操作学习。

在Reward AI展示的视频中，不同形态的机器人均可完成分拣物料的工作，视频也未经加速。但值得注意的是，不同形态的本体使用的皆为具有相似形态的夹爪。

为实现对人类操作动作数据的收集，Reward AI基于之前在DexCap项目上的研究成果（一种可扩展、便携的动作捕捉技术），开发了Omnibody Hand可穿戴设备。OM-1正是基于人们在佩戴Omnibody HAnd时收集到的非机器人环境中的人类数据进行学习。

在RewardAI展示的视频中，Omnibody Hand采用紧凑的七自由度设计，能够完成拧螺母、拿取以及放下水管的操作。

该公司表示，Omnibody Hand能让人们在数据采集中自然地展示操控能力，而无需根据机器人的运动学要求调整自己的行为。

这一设备还配备了集成的远端屈曲机制（integrated distal flexion mechanism），可以吸收手指长度差异带来的影响，从而降低数据采集对精确的关节对齐的敏感性，无需针对不同大小的人手进行单独的调整。

为收集迅速的动作数据，Reward AI在该设备上集成了高频触觉反馈、用于判断接触前距离的接近感应功能，以及能够随着动作快速提供视觉上下文的全景相机。

Reward AI还结合使用了电磁感测（electromagnetic sensing）技术来补充视觉惯性追踪在技术上的不足，这种技术能够提供高精度的位置信息，并且不受视觉信息更新时间的限制。

该公司表示，其跟踪算法还能补偿环境中的电磁干扰。经过对每种速度下的十次测试进行平均分析，Reward AI发现，在高速运动时，这一方法能够将平均超调误差降低了60%。

03.

输入多模态数据，控制层依靠自我节拍运行

OM-1支持多种需要接触的任务，而且随着人类数据的规模与多样性增加，其性能也会不断提升。

Reward AI称，该模型能够直接从人类的动作中学习生成机器人的行为，它可以将人们在进行需要频繁接触的工作时，所拥有的直觉和潜意识中的物理智能（intuition and subconscious physical intelligence）直接传递给机器人（无中转环节）。

训练数据则以同一形式经One Data Interface传入，预训练和后训练之间没有明确分割。

因此，对于新机器人来说，无需重新收集任何数据，也无需将某些数据视为错误的数据进行训练，扩展OM-1的规模只需添加人类收集的数据即可，而无需为每个机器人、任务或部署场景设计单独的训练阶段。

也就是说，最新收集的数据仍然可以用于训练那些尚未设计完成的机器人本体。

Reward AI还指出，Omnibody Hand和One Data Interface能够收集到人们以自身节奏进行工作的数据，OM-1则通过模仿这些操作，来学习如何在不同的机器人本体之间执行任务。

OM-1的输入包括由Omnibody Hand采集的多模态数据：图像、触觉信号、手指间的间距以及手的姿态轨迹，每种模态数据都提供了关于交互的详细信息。

OM-1输出的动作包含运动方向、速度、力量以及诸如抓取和移动等关键事件的时机。

OM-1的控制层则将那些用于移动机器人操控与导航的指令，转化为实际的动作执行，同时也能适应特定机械设备的特性。

该控制层通过仿真中的强化学习（reinforcement learning in simulation）进行训练，以处理与速度和加速度相关的动态变化、外部干扰以及系统延迟等问题。

Reward AI认为，按照现实的操作速度，在执行过程中，模型无法暂停，因为需要不断计算新的动作。

因此，OM-1的控制层依靠自己的节拍（clock）运行，即使在模型生成新动作时，控制层也能持续高速运行。这样就能确保推理延迟的波动不会干扰机器人的运动。

不过，Reward AI承认，依靠自己的时钟运行也带来了一些挑战：当新的预测结果出现时，连续的动作可能无法平滑地衔接在一起。

虽然在低速操作下不连续性几乎察觉不到，但这在高速下会影响执行。因此，控制层会在线优化连续预测之间的转换，通过抛掷和摆动等动态行为保持动作平滑连续。

该公司还认为，要达成快速操作，需要策略来保持这些信号的时间顺序。所以，OM-1以传感器本身的采样率来处理每种模态，而不是将每个数据流降频处理，高频的触觉和运动信号与低频的视觉信息一起被保留下来。

此外，OM-1会记录这些数据流的时间历史，从而能够理解接触、运动以及任务进展如何随时间演变。

04.

结语：展现无本体数据采集潜力，后续仍待实际落地验证

从调酒、打包手机到拔掉以太网线，OM-1展示的能力并不在于某个单一动作有多炫，而在于同一条策略能落到不同形态的本体上，并且是在没有遥操作、没有机器人数据的情况下，直接从人的操作里学出来的。

按Reward AI的说法，新机器人不再需要单独采集数据、单独设计训练阶段，最新的人类数据甚至能喂给还没造出来的本体。

当然，视频里的顺畅是一回事，可复现的评测和真实产线的稳定性，是另一回事。“零样本泛化”“任何机器人”这类表述，最终要靠开放测试和第三方验证来兑现。但至少，OM-1指了一条清晰的路：不去迁就机器人的运动学，而是让机器人学习人干活时的操作。

这无疑是对ego、UMI无本体数据采集路线潜力的又一次证明。如果这条路走通，可想而知数据采集的成本将实现几何倍数的下降，只不过眼下，它仍然只是一个值得认真对待的开始。

Reward AI技术博客：https://www.rewardai.com/blog/OM-1/