开云官网入口:千寻智能韩峰涛：完美数据教不出能干活的人形机器人 咱们坚持运用“脏数据”

  接到了一个指令：“收拾客厅”。它环视四周，走到桌前抓起可乐放进冰箱，走向餐桌夹起脏碗送入洗碗机。屏幕上实时显现着它的考虑进程：指令拆解、下一步规划、动线优化——清晰可见。一位小朋友扔出一团纸巾，Moz1暂时停下，从头规划道路捡起纸巾扔进垃圾桶，再回到原使命。

  这是搭载千寻智能Spirit v1.6的Moz1初次揭露进行空间级长程复合使命的演示，而在千寻智能创始人兼CEO韩峰涛看来，这次演示想传递的信息不止于此。

  韩峰涛在承受证券时报记者专访时表明，千寻智能在具身大脑层面的下一步中心攻坚方向，是模型的泛化才能和数据功率。“怎么让模型在触摸少数实在场景数据后，就能快速习惯新使命和新环境，而不是每个场景都需求标示海量数据。”他规划的短期方针是，经过预练习算法加少数场景数据微调，就能让模型在特定使命上到达较高的作业成功率，这需求千寻团队继续优化模型架构和数据战略。

  跟着硬件不断老练，今年以来的“大脑”成为必争之地，但支撑“变聪明”的数据缺口巨大。当具身智能职业都在追逐“更大规划、更洁净”的数据时，韩峰涛给出了一个反直觉的判别：“非完美数据才是扩展模型根底才能的要害。”

  他进一步解说，职业数据缺口卡在三个环节：收集本钱高，质量良莠不齐，以及最要害的一点，数据自身缺少多样性和“非完美”场景，导致模型在实在国际中简单“翻车”。因而，千寻智能坚持从实在场景中收集包括各种搅扰、失利事例的“脏数据”，比方瓶子没抓稳掉了、方针被遮挡了、履行进程被打断了，这些不完美的片段是模型实在学会应对实在国际的要害。

  关于技能道路的挑选，韩峰涛以为国际模型并非VLA的代替。“VLA处理的是‘看到什么就做什么’的直接映射，而国际模型让机器人具有了‘猜测这么做会产生啥’的推理才能。”交融VLA与国际模型的混合架构被共同以为是更优解。据介绍，Spirit v1.6已选用交融VLA与国际模型的架构，打通环境感知、使命了解、动作规划与状况预判。

  一起，本次WAIC上，千寻智能新一代Moz2初次露脸。不同于面向工业和杂乱操作使命的Moz1，Moz2定位商服场景，强调在公共服务场景中的亲和化规划和天然交互体会，Moz2全身装备32个自由度，搭载全向舵轮底盘与折叠腿部结构，合作7自由度仿生手臂与4自由度三指灵活手，将要点面向商超、酒旅、工作楼宇等场景落地。

  关于本次展会上展现的两款产品，韩峰涛向记者介绍，Moz1处理的是“能不能干好活”，它已经在宁德年代产线上跑通了高压插接这类杂乱工序，作业成功率99%以上，这是千寻智能在工业场景里交出的答卷；而Moz2处理的是“人愿不愿意跟它打交道”，商服场景的机器人第一关不是精度，是人的承受度。

  韩峰涛表明，未来，千寻智能Moz1堆集的工业级操作才能会逐渐迁移到Moz2上，两条线并行，先跑通工业，再打磨商服，终究走向家庭，这是千寻智能的商业化落地节奏。