教机器人干活，人类示范数据进了模型，并不等于人的操作经验就能被机器人直接使用。灵初智能在十万小时级数据积累的基础上，推出模型Psi-R2.5，继续改进数据质量与人机数据对齐方法，并进一步推进具体任务适配。

人手和机械手不仅外观不同，关节结构、接触物体时的摩擦条件也存在差异，加上人手姿态估计的误差，一个人可以顺利完成的动作，转换成机器人的关节运动后未必还能成功。灵初将人和机器人执行类似任务、主要在任务含义上对应的数据称为“弱配对数据”，而更希望获得的是“强配对数据”：除本体不同外，两边场景基本一致，动作时序逐帧对应，且机器人一侧的动作能够在真机上直接回放成功。

今年4月，灵初已尝试让Psi-R2与世界模型Psi-W0配合，通过轨迹推演和强化学习将人类操作转换成可执行的机器人数据，但该流程涉及多个模型协同和策略优化，生产数据的过程较重。灵初随后逆向使用Psi-W0，从真实机器人数据出发生成对应的人手操作数据，再将这些高质量配对数据用于训练端到端转换器，其输入是人类操作数据，输出则是匹配的机器人图像和动作。用户只需用手机在日常场景中录制一段人手操作视频，即可通过模型转换为对应的机器人数据。

灵初设置了两种验证方式：一是在机器人上直接回放转换后的轨迹，看能否完成相同任务；二是把转换后的数据用于后训练，再看训练出的模型能否完成相关任务。据灵初介绍，转换后的数据已在上述两类测试中得到验证，不过部分特别复杂的任务仍未直接完成。Psi-R2.5也重新梳理了数据本身的质量，减少同一任务的重复堆积，增加任务多样性，并通过自动标注管线把任务拆解到更细的原子动作再进行标注和审核。