具身智能的瓶颈从来不在于模型架构，而在于数据。架构可以快速迭代，但是怎么 scaling 数据，需要 scaling 什么样的数据，仍然是一个值得探究的问题。
Psi‑R2.5：Scaling Quality, Not Just Size
Psi‑R2.5 创新采用高层规划器+低层控制器双层架构，模拟人类“大脑‑小脑”协同工作机制，实现复杂任务的精准拆解与闭环执行：
· 上层（高层规划大脑）：上层模型使用 QwenVL3.5-4B作为骨干网络，主打长时序任务理解与智能拆解，可将复杂自然语言指令拆解为精细化子任务，同时向底层模型传递专属任务子文本（Subtext）与价值优先级信息（Value）；
· 下层（低层控制小脑）：下层模型使用 Wan2.2-IT2V-5B作为骨干网络，精准对接环境观测信息与上层任务指令，输出机器人可直接落地、连续稳定的完整操作轨迹。
双层级模型依托同一套高质量预训练数据完成联合训练，架构协同性、任务适配性大幅升级。
我们明确核心认知：数据总时长绝不等于数据信息量。同等数据体量下，覆盖百类任务、多元场景的碎片化优质数据，远优于单一任务的重复冗余数据，泛化能力差距显著。
基于此，Psi‑R2.5大幅压缩单任务重复样本，极致提升任务与场景多样性，搭配自研全自动标注管线，对每一项原子动作、子任务进行细粒度标注、校验与优化，从源头严控数据质量。
在评测体系层面，我们创新将仿真评测深度嵌入模型预训练全流程，同时自研搭建包含50项高难度复杂任务的真机多任务专属评测集，测评全程随机重置任务初始状态，有效规避模型过拟合问题，客观、精准衡量模型的组合泛化与复杂场景适配能力。
弱Pair Data VS 强Pair Data，破解人机数据对齐核心难题
当前行业普遍通过Pair Data（配对数据）实现人类与机器人行为对齐，但绝大多数方案均依赖弱Pair Data：仅满足任务语义相似，场景细节、时序帧序列无法精准匹配，数据噪声大、适配性差。
灵初智能全新定义并落地强Pair Data标准：在交互对象一致的基础上，实现场景细节逐帧对齐、时序轨迹一一匹配，转换生成的机器人动作序列可直接在真机回放、完整复现对应任务，彻底将人类操作动力学域，精准对齐至机器人执行动力学域。
本次Psi‑R2.5 模型能力的跨越式升级，核心依托两大技术突破：
· 依托大规模高质量强Pair Data，彻底打通人类示教数据与机器人真机数据的跨域对齐壁垒；
· 升级数据标注体系，大幅提升语言指令、动作轨迹的标注精度，以极致数据多样性赋能模型全域泛化。
行业粗放式将人类视频直接输入模型训练的方式，会产生海量噪声，甚至让模型沦为“数据分类器”——优先区分输入为人类数据或机器人数据，再被动适配执行，完全丧失智能决策能力。灵初智能核心技术理念：真正有价值的人类示教数据，是经过精准转换、可直接驱动机器人自主完成任务的高质量数据。
逆向生成技术，规模化破解两大核心具身鸿沟
长期以来，利用人类示教数据训练机器人的方案，始终受限于两大Embodiment Gap（具身鸿沟），成为行业规模化落地的核心瓶颈：
· 视觉具身鸿沟：人手与机械手的外观像素差异、相机拍摄参数、环境视角等视觉偏差，导致模型认知错位；
· 动力学具身鸿沟：包含三重核心误差——手部姿态识别的传感与视觉误差、人手与机器人关节的运动学误差、人机材质摩擦等物理参数误差，直接导致动作复刻失效。
过往主流解决方案，无论是Real2Sim仿真重建迁移，还是图像分割+修补替换机械手，均存在致命短板：要么无法规模化量产，要么图像修复会破坏手部与物体的遮挡交互细节，仅能适配极简任务，无法支撑复杂灵巧操作。
在迭代R2版本时，灵初智能依托自研Psi‑W0世界模型替代传统仿真器，通过强化学习将人手操作轨迹优化为机器人可精准执行的轨迹，初步解决人机数据转化难题。但该方案流程繁琐，依赖策略模型与世界模型反复迭代推演，落地效率偏低。
为此，我们突破行业固有思维，创新提出逆向生成核心思路：不再从人类数据拟合机器人数据，而是从真实机器人真机执行数据反向生成匹配的人类示教样本。
通过逆向调用Psi‑W0世界模型，基于海量高精度机器人执行轨迹，批量生成场景、时序、动作高度匹配的人手示教视频，高效量产高品质强Pair Data。依托这批优质配对数据，我们蒸馏训练出端到端人机数据转换模型，实现普通手机、相机拍摄的任意人手操作视频，均可一键转化为精准的机器人视觉画面与可执行动作序列。
为严格把控数据转化质量，我们设立两大硬核验证标准：
· 转换后的机器人轨迹，可直接在真机设备上回放、完整复现任务；
· 基于转换数据做模型后训练，模型可稳定泛化适配同类全新任务。
实测验证，经模型转换的人类示教数据，绝大多数可直接驱动机器人完成对应任务；即便是高难度双手精密操作任务，也能生成精准、贴合目标的操作轨迹，效果行业领先。
模型能力强化：HIL+RL后训练框架，极致降低部署成本
纯预训练基础模型，短期内无法实现客户现场零成本、零适配、开箱即用。工业场景SKU品类繁杂、作业节拍高度定制化，高效轻量化后训练，是具身智能模型商业化落地的核心刚需。
灵初智能为Psi‑R2.5配套自研灵巧手HIL人在回路+RL强化学习后训练框架：依托高性能基础模型底座，仅需少量示教数据，即可快速微调适配各类复杂业务场景；部署过程中实时收集任务失败案例，数据自动回流迭代，持续优化模型能力。
通过使用我们的HIL与后训练RL框架，在经过几轮迭代之后，模型可以将成功率提高到99%，并且只需要花费1-2个工作日。该方案同时也部署在了我们实际的客户现场，来持续解决各类复杂边界场景作业难题。
我们认为：具身智能区别于传统非标自动化的核心商业价值，正是通过模型与数据技术，极致降低行业现场的部署、适配与迭代成本。
上下文学习ICL，观摩示范即可执行新任务
大模型上下文学习能力已深度赋能机器人领域，与大语言模型不同，机器人的核心上下文Prompt是真实场景的人类示教视频，而非纯文本指令。
依托灵初智能自研强Pair Data数据转换管线，可将任意人类示范视频，实时转化为机器人视角的精准Prompt，实现高效机器人上下文学习（ICL）：无需更新模型参数、无需二次训练，仅通过测试阶段的文本指令或人类物理示范，即可让机器人零样本泛化完成全新复杂任务，自主推理任务逻辑、规划操作流程。
多组完整演示Demo已上线项目主页，更多ICL相关技术细节将在后续发布。
项目演示与完整技术博客：
Scaling Pair Data for Embodied Intelligence（https://www.psibot.ai/scaling-pair-data-for-embodied-intelligence-zh/）