Spirit-v1.5 - 千寻智能推出的具身智能基础模型

Spirit-v1.5是什么

说起具身智能的进展，最近有个名字绕不开：Spirit-v1.5。这是千寻智能推出的新一代具身智能基础模型。其技术路线上有个鲜明的特点——它彻底摒弃了传统上对“干净、规整”数据的执念，转而采用一种更开放、更多样化的数据采集策略。简单来说，就是让模型在预训练阶段，尽可能多地接触真实世界里的复杂动作和丰富场景。这种“野蛮生长”似的喂养方式，结果如何呢？模型展现出了令人惊喜的泛化能力和环境适应性。在颇具分量的 RoboChallenge 真机评测中，Spirit-v1.5 的表现一举超越了之前的领跑者，登顶当前最优具身智能模型的宝座。这不仅仅是一个名次变化，更意味着它为整个领域提供了一个全新的、可供开源参考的技术基准。

Spirit-v1.5的主要功能

那么，这个模型具体能做什么？它的能力清单相当接地气：

• 多样化任务执行：从颇具美感的插花、整理水果入篮，到日常的挂牙刷杯、贴胶带、清扫垃圾，一系列家庭和办公场景中的琐碎任务，它都能上手。
• 强大的泛化能力：得益于预训练阶段见过的“世面”够多，即使面对从未训练过的全新场景，它也能快速理解并尝试执行任务。
• 出色的鲁棒性：现实世界从不完美。物体被部分遮挡、光线忽明忽暗、需要多机械臂协同……这些挑战它都能应对，表现稳定。
• 广泛的硬件兼容：模型设计考虑了普适性，无论是单臂的 Franka、UR5e，还是更复杂的双臂 ALOHA 机器人，它都能驱动。
• 高效微调：当需要掌握一个全新任务时，基于现有强大基础，它只需要少量的数据和时间进行微调即可，极大地节约了成本。

Spirit-v1.5的技术原理

支撑上述功能的，是一套颇有胆识的技术方法论：

• 碘伏性的数据采集：核心在于“去控制化”。采集人员只需围绕一个大致任务目标自由行动，而非遵循刻板脚本。这样产生的数据，天然包含了丰富的原子技能和真实的动作时序关系，更贴近现实世界的混乱与复杂。
• 预训练与微调的结合：先用海量多样化数据“喂”出一个具有通用策略理解能力的模型，它学的不是某个任务的最优解，而是“解决问题”的一般方法。因此，在面对具体新任务进行微调时，它能迅速找准方向，事半功倍。
• VLA 模型架构：即 Vision-Language-Action（视觉-语言-动作）架构。这让机器人能真正打通“听到指令 - 看懂环境 - 做出动作”的全链路，实现用自然语言指挥机器人完成复杂操作。
• 强化与自监督学习双驱动：一方面，通过强化学习直接优化任务成功的概率；另一方面，通过自监督学习让模型自己从数据中挖掘规律，提升对未知环境变化的适应力。两者结合，效果倍增。

Spirit-v1.5的项目地址

对于开发者和研究者来说，好消息是这是一个开源项目。想要深入了解或亲自尝试，可以访问以下资源：

• 项目官网：https://www.spirit-ai.com/en/blog/spirit-v1-5
• GitHub仓库：https://github.com/Spirit-AI-Team/spirit-v1.5
• HuggingFace模型库：https://huggingface.co/Spirit-AI-robotics/Spirit-v1.5

Spirit-v1.5的应用场景

如此能力的模型，其应用想象空间非常广阔，几乎能渗透到我们生活的多个角落：

• 家庭服务：这可能是最直接的应用。让它帮忙清洁桌面、整理散落的物品，甚至在厨房打打下手，能显著提升居家生活的便利与效率。
• 工业自动化：在产线上执行装配、进行精密的质量检测，或在仓库里高效分拣搬运，它能成为提升制造业智能化水平的可靠力量。
• 医疗辅助：无论是辅助患者进行康复训练，管理繁多的医疗物资，还是在手术中为医生提供稳定精准的器械支持，都能优化流程，减轻人员负担。
• 教育与研究：作为一个高水平的开源平台，它本身就是绝佳的科研工具和教学案例，能够有力推动机器人学和人工智能领域的人才培养与技术探索。
• 零售与服务：店铺里的货品盘点、库存管理，甚至基础的客户引导与服务，它都能胜任，帮助提升运营效率。
• 农业与园艺：从作物的监测管理到精细的园艺修剪护理，它可以替代部分重复性劳动，让农业生产更加智能高效。