【环球网科技综合报道】9月28日，德塔智能发布原生人形机器人基础模型 Delta-0（Δ₀）。
通过一段Demo，Delta-0展示了比肩Figure Helix 2.5的自主长程、全身协调、快速敏捷等能力，让人形机器人在210秒内，规划32步，完成9个家庭场景常见任务，刷新了人形机器人在单位时间内完成任务数量和质量的上限。
该Demo以一镜到底的方式呈现了搭载 Delta-0的人形机器人在卧室、客厅和厨房等家居场景中识别环境、准确理解和规划任务，通过全身协同操作，连续完成了识别、放好游戏机并整理床铺、捡起地面玩偶并放置、拿起衣物并放进洗衣机、拿起杯子并放入洗碗机、打开冰箱找到变质水果、踩下垃圾桶脚踏板丢弃水果，最后坐到沙发上。
与此同时，另一台配备高自由度灵巧手的人形机器人，则完成了拿起黑胶唱片，操作唱片机播放，应声起舞等一系列精巧的全身协同操作任务。
据介绍，Delta-0模型源自“大脑-小脑-力位”协同设计。Delta-0面向人形机器人的完整身体构建模型，将视觉、语言和本体状态等输入转化为统一的全身动作目标，把空间理解、任务推理、动作决策和全身控制联系起来，让人形机器人能够在移动和保持平衡的同时完成操作。
Delta-0的“大脑”根据视觉为主的多模态传感，指挥人形机器人手脚的运动；“小脑”则是负责全身协调平衡与运动本能，将大脑的指令变为高频的电机控制；“力位” 混合控制兼顾运动位置与接触受力，让机器人在接触物体时精确调整动作，并保持身体稳定。
在数据与训练方面，Delta-0复用既有上肢操作及跨本体数据，并结合团队采集的人类全身动作数据，补足下肢参与、移动和姿态变化等信息。其中，以人为中心的数据管线，覆盖采集、标注、处理和预训练；真实交互反馈、人工纠正与强化学习，则用于后训练和失败恢复。
Delta-0模型还采用了“真实-仿真-真实”的策略学习与评估体系。Delta-0的训练基于德塔D1采集的人类第一视角观测与全身动作数据，以及多样化运动数据，能理解真实环境与人体如何响应和交互。
Delta-0还通过增量动作接口接收策略指令和人工纠正，利用真实物理交互反馈与强化学习继续改进行为。评测方面，系统将真实场景重建到仿真环境中，让人形智能体重复导航、操作和重试，再回到实机验证，确认仿真结果能否迁移。
德塔智能创始人兼CEO马晓健博士认为：“人形机器人的价值，不只是外形接近人，而是能够进入已经按人的尺度建成的空间，在复杂环境中移动，并同时完成全身协同操作，机器人需要把通过性和操作能力放在同一个任务里考虑，更困难的是让这些能力在一个连续任务里配合起来，交付结果。Delta-0的技术Demo，部分展示了我们在这一领域的能力，也让行业更有信心，加速推动人形智能在真实场景的爆发式落地。”（青山）
优配网提示：文章来自网络，不代表本站观点。
