具身智能領域正面臨一場數據獲取方式的深刻變革。傳統依賴真機遙操作采集訓練數據的模式，因成本高昂和效率低下逐漸暴露出局限性。每小時數百元的采集成本，加上專業動捕環境的搭建需求，使得大規模數據獲取成為奢侈。更關鍵的是，人工遙控的節奏難以匹配真實生產環境的需求，這種數據供給方式已難以支撐模型訓練與產業落地的雙重壓力。

行業開始將目光轉向人類操作數據這一天然資源。人類在真實作業場景中積累的海量高精度操作，為機器人訓練提供了新的可能性。但這條路徑同樣充滿挑戰：人手與機械手的結構差異導致動作無法直接遷移，僅依賴第一視角視頻還原動作又存在精度不足的問題。靈初智能提出的PSI框架，通過策略模型與世界模型的協同工作，為解決這些難題提供了新思路。

該框架的核心在于兩個大模型的配合。策略模型Psi-R2負責學習任務執行方式，其訓練數據包含5417小時真機操作數據和95472小時人類操作數據，覆蓋294種場景和4821種任務。世界模型Psi-W0則通過動作條件型視頻預測，補全策略模型缺乏的反事實推理能力。這種設計使模型不僅能理解"如何完成任務"，還能預測"改變動作會產生什么后果"。

數據轉換機制是該框架的另一創新點。研究人員摒棄了復雜的數據對齊方法，轉而采用運動學公式直接轉換人手關節數據，同時保持圖像原始信息。這種"原始數據輸入，原始數據輸出"的樸素路線，在數據規模擴大后反而展現出優勢。實驗顯示，經過預訓練的Psi-R2模型，僅需不到100條真機軌跡微調，就能完成手機裝配等高精度任務。

世界模型Psi-W0的引入解決了訓練中的關鍵瓶頸。通過加入約30%的失敗樣本訓練，該模型能夠評估策略模型的執行效果，并通過強化學習調整人類動作軌跡，使其更符合機器人執行條件。這種"夢中試錯"機制不僅提升了數據利用率，還形成了數據飛輪效應——優化后的軌跡可反饋至訓練系統，持續改進模型性能。

在MolmoSpaces公開評測榜單中，Psi-R2模型的總分位列第一，超越了具身大模型標桿π和英偉達GEAR等主流方案。這一成績驗證了該框架在真實世界任務中的有效性。該基準測試因其與實際生產環境的強相關性，成為衡量具身智能模型的重要標準。

數據質量而非數量，成為決定訓練效果的關鍵因素。靈初智能提出，高信噪比數據應具備任務多樣性優先、精準3D位姿為核心的特征。其自研的數據采集方案通過端到端手部檢測模型結合外骨骼手套，將操作軌跡誤差控制在亞毫米級。這種精度對于手機裝配等精密任務至關重要，誤差的微小增加都可能導致操作失敗。

觸覺信息的引入為模型提供了新的感知維度。盡管機器人觸覺傳感器部署困難，但人類觸覺數據采集成本低且穩定。研究人員采用掩碼訓練方式，讓模型在缺失觸覺輸入時預測接觸信號，顯著提升了模型對物體交互過程的預判能力。這種跨本體感知信號的處理方式，為解決人機動作遷移難題提供了新思路。

真實作業節拍成為衡量數據價值的另一重要指標。人類在長期實踐中形成的標準操作流程，其動作效率往往接近機械臂的物理極限。相比之下，遙操作的數據節拍通常只能達到理論值的60%-70%。這種效率差距在規?；a中會被成倍放大，使得人類操作數據在產業落地中具有獨特優勢。

開源數據集的發布推動了行業生態建設。靈初智能此次開放的1000小時數據包含兩類：高精度數據確保軌跡回放性，大規模數據拓展模型泛化能力。這種結構設計使研究者既能進行精細操作訓練，又能開展預訓練研究，形成了完整的訓練閉環。該數據集的發布，為具身智能領域提供了新的研究基準和開發工具。