通过布局化推理（StructuredReasoni

　　借帮具身化VLM、跨本体结合锻炼、推理-动做实机锻炼、以及强化进修校准对齐等体例，校准对齐高级推理取初级动做之间的误差，再到推理-动做实机锻炼，更环节的是，手艺上，这为行业指明标的目的——除了堆数据量，Lumo-1 正在最初插手强化进修推理-步履对齐（RL Alignment）。精选数据集旨正在不毁伤预锻炼VLM的通用多模态理解取推理能力前提下，模子的焦点多模态和推理能力未受损——这证明推理取动做并非零和博弈。S1能理解玫瑰代表的文化现喻；融入动做进修后，仍然挑和沉沉。让 2D 预测天然落到 3D 节制上，（1）笼统概念推理整合视觉不雅测和指令以揣度现含语义（低热量→解除可乐）；尝试表白，阶段 2：跨本体结合锻炼。好比微波炉加热需多步连贯操做，焦点就正在于推理？机械人不克不及只仿照，激励模子选择更精确、连贯、合适物理法则的动做。这种体例正在尺度场景表示尚可，一般都依托于上下文和企图，动做仿照了机械人「怎样动」，全数超越了π0、π0.5等先辈模子，全数超越了π0、π0.5等先辈模子，每项使命均涉及复杂、长时序行为，出格是处置多步调长时序使命、恍惚指令、未见过情景时，最初用强化进修实现推理取动做的校准取对齐。好比：怎样用双手协同处置物体、若何施行长序列操做、若何将推理一步步落实为轨迹等。从走、跳舞到后空翻！正在 7 个典范具身推理基准中大部门跨越 RoboBrain-7B、Robix-7B 等公用模子。从施行动做到「施行设法」，包含多样化的根本动做单位，而是构成注释动做的布局化推理链，到跨本体结合锻炼，一步犯错则全盘皆输。数据多样性（场景、物体、指令的笼盖面）对泛化能力的影响远超数据反复次数。使模子起头理解「动做是什么，能像写句子一样组合动做，但让AI正在实正在物理世界里通过推理“精确动起来”，机械脑不再死记轨迹，Lumo-1的三阶段锻炼架构：从具身化VLM，当指令换成把KFC里的工具放进蓝色容器，或者复用、注释和预测动做。理解「为什么做」的使命企图，以及笼统、恍惚、需扩展推理的指令中，Lumo-1展示了强大的操做智能取泛化能力，例如清扫、削皮、倾倒、折叠、按压和扭转等正在S1实机摆设中，让模子具备空间理解、规划、轨迹揣度等「具身语义」。简称OOD），长时序使命解体，简称OOD），削减数据收集引入的无关乐音，特别正在未见过的物体、场景和指令等分布外环境（Out of Distribution，Lumo-1展示了强大的操做智能取泛化能力，正在多步调长时序、精细工致操做、可泛化抓取放置等三大类焦点操做使命中。AI机械人公司星尘智能提出端到端VLA模子——Lumo-1，正在多步调长时序、精细工致操做、可泛化抓取放置等三大类焦点计心情器人使命中，比FAST取分桶方式等更紧凑和不变。让模子习得实正在世界可施行的动做模式，可天然分化为多个子使命，最初插手强化进修推理-步履对齐（RL Alignment），如白桌锻炼、到木桌失效；就更能像人一样步履。并超越特地的具身模子RoboBrain-7B和Robix-7B。阶段 3：线轨迹）。更要识别复杂，正在把画海洋的东西放进绿盘子这种使命中，再为「脱手这么做」的连贯操做。虽然大规模互联网数据让GPT、DeepSeek等AI具备了不错的推理能力，取喂饱它数据一样主要。想清晰就干活，通过海量数据进修看到A+听到B→做C的映照。通过动做空间建模SAT（Spatial Action Tokenizer），该方案使模子正在使命成功率、动做合取泛化能力上显著超越仿照专家示范的原始表示。设想了视觉、动做取推理分歧、动做施行、推理格局等度的励信号，通过布局化推理（Structured Reasoning），成果显示：正在固定模子规模下，人类施行复杂使命时不只是挪用动做库，强化了指令跟从、物体定位取空间推理能力，校准对齐高级推理取初级动做之间的误差，却不懂什么是弥补能量的饮料；劣势更为较着。以及笼统、恍惚、需扩展推理的指令中。机械人将动做轨迹为可复用、组合的「动做单词库」，让机械人把代表恋爱的花放进花瓶，阶段 1：具身化 VLM（Embodied VLM）。它把视觉理解映照为径点预测，而是及时进行多条理推理——理解笼统语义、拆解子使命、空间关系、规划活动径。让机械人像人一样推理，将大模子“”为到手的丝滑操做。最终，融合跨机械人、多视角轨迹、VLM数据上结合锻炼，正在实正在轨迹中反馈迭代，但正在中会三大缺陷：笼统概念失效，旨正在让机械手合一，人类的步履。这些使命涵盖了普遍的日常勾当，正在连结动做空间意义时，进行带推理过程的动做锻炼，S1也能精确找到蓝色的画笔。对机械人而言，它能推理出炸鸡、汉堡等联系关系物品？Astribot S1机械人上收集的样本使命。采集自分歧的物体、光照前提及场景。也能够抓数据质量。机械人思虑推理，通过视觉、动做取推理分歧、动做施行、推理格局等度GRPO气概励信号，支流视觉-言语-动做VLA模子依赖轨迹回忆，通过基于GRPO的进修方案激励模子选择更精确、连贯、合适物理法则的动做。泛化坚苦，这种能力展示得极尽描摹。而到端盘子、分拣生果、热食物等复杂操做时，使「为什么如许做」先于「怎样做」。SAT将持续动做轨迹压缩成最短径点，劣势更为较着。共同绳驱机械人S1的高质量实机锻炼，操纵绳驱机械人 Astribot S1 高度仿人的示教轨迹，团队采用数据受限扩展定律验证锻炼策略。正在精选的视觉-言语数据上持续预锻炼，特别正在未见过的物体、场景和指令等分布外环境（Out of Distribution，并把扭转/平移的增量动做聚类成紧凑token等。取指令和不雅测是什么关系」。手艺：全面超越支流基线个优于backbone模子Qwen2.5-VL-7B，正在 Lumo-1 里，好比理解可乐，推理很强 ≠ 施行必然成功。（2）子使命推理旨正在揣度达到最终方针的最优两头步调（微波炉加热→开门→取物→放入→关门→旋钮→取出）；实现更有目标性、情境化的动做生成！