选具身机器人,就上具身之家
行业动态返回

突围 LLM!多榜登顶,零次方基模、Agentic 框架、数据集全开源:从动作模型到具身自进化

突围 LLM!多榜登顶,零次方基模、Agentic 框架、数据集全开源:从动作模型到具身自进化

零次方正式发布并开源新一代具身动作模型 ZERITH-V2.5 与 Agentic 框架 ESI,两项工作围绕具身能力的形成与持续演进展开,并在 RoboDojo、LIBERO、LIBERO-Plus、MetaWorld 的基准及挑战性任务上取得多个榜首。同时,开源面向多任务与长序列操作千小时级高质量真机数据集 ZERITH-H1-1K。

ZERITH-V2.5 开源代码 / 技术报告:https://zerith.com/blog/zerith-2-5/

ESI 开源代码 / 技术报告:https://zerith.com/blog/esi/

ZERITH-H1-1K 开源数据集链接:https://huggingface.co/datasets/OpenZerith/Zerith-H1-1K

01 ZERITH-V2.5:从预测表征到动作可习得性

ZERITH-V2.5 技术报告 / 开源代码:https://zerith.com/blog/zerith-2-5/

2005 年,Mattar 和 Gribble 在《Neuron》发表的实验发现,观察他人适应外力扰动的过程,能够改善观察者随后在相同环境中的动作表现。虽然人类能通过观察很快预判变化,却仍需更长时间才能准确控制手部轨迹。这一观察和执行的差距,引出我们的问题:视频模型学到的动态先验,如何被动作策略有效利用?

我们提出了 ZERITH‑V2.5 ,预测与控制解耦、分阶段协同优化的双分支架构。让动作策略读取 Wan2.2 视频模型的中间表征,结合 VGGT 空间几何信息生成动作。

在固定示范数据与总更新步数下,我们通过实验发现:预测先验的控制价值与其作用模块及监督覆盖范围有关。初始损失与梯度分析进一步提示,预测适配通过改善目标域视觉拟合,为动作学习提供更有利的优化起点,帮助动作策略有效利用视频模型已有的知识。

套袋任务呈现了这一方法所面向的操作难点。机器人需要依次完成提起袋子、撑开袋口、套过桶沿和固定袋口,过程中袋体形态与接触关系持续变化。每一步动作的有效性,都依赖当时的物体状态。视觉适配为袋口张开、袋体形变及其与桶沿的相对变化提供预测表征,动作策略再结合当前观测学习推进操作。将动作学习建立在任务状态及其变化之上,是这套方法提升扰动适应能力的出发点。

受控实验验证了这一训练顺序的收益。在相同演示数据和 30,000 步总训练预算下,将前 3,000 步用于视觉适配、其余用于联合训练,在静态几何设置中,LIBERO‑Plus 成功率从 37.64% 提升至 56.80%,三次训练的平均增益为 19.16 个百分点。在静态、加性和乘性三种几何条件下,增益均保持在 17.55—19.16 个百分点,这一收益在所测试的几何配置中具有一致性。

ZERITH V2.5 经过 10,000 小时真机数据预训练及下游适配在仿真基准测试中,ZERITH‑V2.5 在 LIBERO、LIBERO‑Plus 以及 Meta‑World MT50 任务上取得 SOTA 成绩,单模型在标准 LIBERO 任务成功率达 98.95%,在侧重扰动泛化的 LIBERO‑Plus 上达到 93.70%,Meta‑World MT50 多任务成功率为 92.3%,优于 π₀、π₀.₅、OpenVLA‑OFT、Fast‑WAM、Cosmos Policy 等主流基线方案。

02 ESI:Agentic 协作驱动具身模型进化

ESI 技术报告 / 开源代码:https://zerith.com/blog/esi/

同期发布的另一篇技术报告 ESI(Embodied Self‑Improvement),关注另一方面问题:当前多模态基座模型具备强大场景泛化、任务泛化能力,而具身模型擅长强物理泛化执行。因此如何对齐多模态基座和具身模型,构建更强大 System1-System2 系统,实现协同进化飞轮?

针对这一挑战,ZERITH 发布基于 Agent 的自进化飞轮架构 ESI,其将多模态基座与具身模型之间的 Agentic 交互过程本身视作训练监督信号,依托环境真实交互不断迭代优化动作模型参数、技能接口以及多样化的提示词,持续提升端到端任务完成能力。

ESI 整体架构包含两层循环:

回合内循环实现多模态大模型与具身动作模型的分工协同:多模态大模型输出当前子任务的执行意图,具身动作模型基于该意图生成一段动作序列;

在动作落地执行前,由多模态大模型完成复核校验,选择直接采纳、调整或是纠正动作方案,随后执行动作,结合新获取的环境观测进入下一轮决策。

出现执行失败、动作提案明显偏离任务意图的情况,多模态大模型才会直接接管控制权。跨回合循环会复用每一轮完整交互轨迹,同步更新三大组件:用于引导多模态大模型的提示词体系、用于传递模型意图的技能接口,以及负责实际动作输出的具身动作模型权重;多模态大模型本体权重全程保持冻结,不参与更新。

在 RoboDojo 仿真评测套件的 10 项挑战性机器人操作任务上,ESI 取得平均任务得分 62.03、平均任务成功率 49.41%,超越 GPT6-Astra 近 24 个百分点,同时在超越 GO‑3 Nano Preview、HexaShell‑Preview 等全部已公开双系统具身智能基线。

03 ZERITH-H1-1K:面向多任务与长序列操作的千小时真机数据集

ZERITH-H1-1K 开源数据集:https://huggingface.co/datasets/OpenZerith/Zerith-H1-1K

同时,零次方开源真机操作数据集 ZERITH-H1-1K,用于多任务、长序列具身操作,汇集约 1,129 小时真机示范,具有精细子任务分割和语言标注,覆盖 356 个任务配置,包括商超、办公室、厨房和餐厅等 10 余个丰富场景。

Zerith-H1-1K 全部采集于 ZERITH-H1 机器人平台。每条示范包含一路高位视角和两路腕部视角的 RGB 视频,数据集提供语言时序与子任务区间字段,部分示范包含细粒度的子任务分段,支持研究者进一步探索语言指令、操作阶段与动作序列之间的对应关系。

数据场景涵盖办公文档整理、餐具摆放与收纳、食品储存与厨房整理、料框内目标物体拣选,以及双手物体操作五大任务类别,通过不同任务指令、目标物体与操作要求,呈现机器人在实际场景中的多样化操作过程,为多任务策略学习提供规模化的高质量真机数据。

数据集采用 LeRobot v3.0 格式,按任务组织与分发,各任务存档可独立加载。为开源社区研究者提供开展从单任务模仿到多任务策略学习研究的数据条件。

目前,零次方正在零售、仓储、工业等真实场景中建立了系统化的数据 AI Infra 解决方案,系统支持「采集 - 训练 - 部署 - 监督 - 回流 - 进化」全链路体系闭环,支撑数万个落地场景部署,百亿参数量模型持续进化,百万小时数据管理。

持续的数据回流系统,Physical RSI 场景进化引擎:在让机器人在完成真实任务的同时,无感沉淀海量交互数据,并将现实中不断出现的新状态、新扰动与新失败持续转化为模型能力。

当真实部署不再只是能力的终点,而同时成为下一轮能力增长的起点,具身智能才开始形成真正意义上的能力复利。从这一意义上,零次方所追求的并不止于完成更多任务,而是建立一种能够在真实世界中持续扩展的物理生产力。

让机器人的生产总值超越人类的需求,开启一个由物质充裕催生的新文明阶段。—— 零次方愿景

(来源:零次方)

资讯评论 (0)

评论审核通过后展示。0/2000

全部评论

暂无评论,来发表你的看法吧