重磅.来袭“微乐捉鸡麻将开挂教程步骤”[确实是有挂]

专题：2025世界机器人大会：AI大模型赋能机器人与具身智能产业新范式交流活动

　　“2025世界机器人大会
”于8月8日至12日在北京经济技术开发区开幕，“AI 大模型赋能机器人与具身智能产业新范式交流活动”作为2025世界机器人大会的专题活动于8月8日同期召开 。北京灵初智能科技有限公司联合创始人陈源培出席并演讲
。

　　以下为演讲实录：

　　今天给大家分享一些不一样的 ，跟大家聊一下灵巧操作这个领域的一些发展历程和未来合作的方向。

　　在我们看来
，具身这个领域主要由四个方面组成，首先是本体 。可以决定你做什么场景 ，场景决定了会采到什么数据
，数据来训练算法
。

　　很重要的一个点是你的算法是可以定义硬件的，所以我们更希望做的是循环过程 ，从算法出发可以定义需要怎么样的灵巧手
，它的各项指标会是怎么样的。

　　对于算法而言，我们把它一般分成四个水平 。第一个水平就是非标自动化 ，用CV之类的方法可以做一些比较固定的操作
，但是泛化性比较有限，会有迁移到别的场景 ，会有一些问题
。

　　第二个水平就是现在有一些端到端的算法，纯粹的喂数据
，可以做一些比较灵巧具有一定泛化性的操作，但是没有解决的是长程任务其实很难 ，第二就是成功率的问题。本质上模仿学习就是生成数据分布
，并不知道这个任务的具体目标是什么 。所以我们灵初定位一开始做的L3，就是长程性和灵巧性 ，我们认为在这里比较重要的VLA技术和强化学习技术。

　　关于VLA分成了端到端的架构
，已经成为了比较主流的共识，我们当时比较早的提出了分成端到端 ，大脑、小脑的架构
。但是我们觉得有一个没有说透的点就是怎么做长程任务以及怎么把强化学习加进来
，这两个是我们公司比较擅长的。

　　这就是很早的时候做的强化学习训练的任务，有很多朋友问我 ，这么多的Demo
，其实很难分出来哪些是模仿学习做的，哪些是强化学习做的 。但是觉得这是一个比较好的例子 ，它收集模仿学习数据都是比较难，所以能够做出来一定是用强化学习训出来的
，这个也是我们当初的亮点
。

　　它的整个系统是用两个灵巧手和双臂构成，我们在里面也用了一些多智能体强化学习和联合训练 ，在仿真里面泛化到各种物体姿态上面
，整体的效果也是在各种不同形态物体，包括抛的位置不太一样 ，但是我们有一个比较快的速度接住
，也是体现出强化学习对于高动态以及高灵巧度的任务优势。

　　在这之后我们做了双手灵巧手长程任务串连的任务，人手是非常灵巧的 ，比如说像叠饺子的任务
，其实是有八个不同的技能组成的 。我为什么要选灵巧手的原因是我们并不想让它只做一个任务，所以我们当时在想怎么用机器人做比较长程的任务 ，比如说