機器人前瞻（公眾號：robot_pro）
作者許麗思
編輯漠影

機器人前瞻4月27日報道，今天，靈初智能發布了分層端到端VLA+強化學習算法模型Psi-R1。R1能夠讓機器人基于Chain of Action Thought（CoAT）框架的自主推理系統，在開放環境下進行自主推理決策，完成長程復雜操作。

R1以麻將為場景，展現了機器人在開放環境中的長程靈巧操作能力，達成了30分鐘+持續CoAT超長任務時長，還驗證了三重復合交互能力，即人-機交互、機-機交互、機-環境交互。

機器人要學會打麻將，難在哪？

• 機器人需要理解麻將的規則，確保行為符合游戲規則。
• 機器人還需要制定合理的策略，如根據手牌狀態、牌局演變以及對手行為來完成動態策略生成，決定出牌、吃碰杠等操作，涉及大量人機交互、機機交互等動作。
• 機器人操作需要完成毫米級精度的抓牌、出牌、理牌等靈巧精細動作，這對機器人的長程任務規劃、靈巧操作能力提出了巨大挑戰。

在視頻中，R1讓機器人具備了翻牌、碰杠、算牌、協作等核心能力。可以看到，機器人靈巧手攻克了觸覺-視覺模態對齊難題，實現100%準確翻起麻將牌。

機器人能夠根據牌友的出牌，構建牌局狀態機，自主構建碰、杠等策略鏈，并絲滑地完成碰杠動作。

在長程規劃上，機器人能夠記得所有人打過的所有的牌，并根據牌桌狀況動態規劃要打的牌。

兩臺機器人甚至還會相互配合，不僅僅信息共享，互相“看牌”，還能多機配合遞牌，提升勝率。

不同于Pi，Figure等「動作單向決策」機制的VLA模型（僅能完成視覺-語言層面的CoT），靈初智能的R1模型的慢腦輸入包括行動Token，構建了首個支持「動作感知-環境反饋-動態決策」全閉環的VLA模型，實現機器人操作的視覺-語言-動作多模態協同的CoAT思維鏈，且已首度成功驗證VLA Test-Time Scaling。

快腦S1專注于操作，涵蓋了物體的遮掩抓、物體軌跡約束的操作如拉拉鏈，工作使用技能泛化如掃碼、打電鉆，高動態操作如拋接球等。

慢腦S2專注于推理規劃，S1的操作經過tokenize后，作為S2慢腦的輸入，和語言、視覺模態融合，基于Causal VLM自回歸架構，實現多模態融合的推理和任務規劃。

快慢腦通過Action Tokenizer隱式連接，端到端訓練，協同完成長程任務的靈巧操作。

靈初智能R1可以應用于多個場景中，例如泛工業中來料倉檢測、成品包裝等場景，零售物流中揀選、分撥、補貨、打包等場景，以及家庭服務與協作場景。

目前，該公司已與制造業、商超零售、跨境物流等行業龍頭企業展開合作，梯次布局高價值商業化場景，從泛工業向泛零售物流，再最終邁向家庭應用。