Reward AI发布OM-1：纯人类示范训练的通用机器人策略

纯人类示范驱动的通用操作策略

Reward AI是一家由DexCap、HumanPlus和ALOHA等知名机器人项目核心成员创立的初创公司。该公司近日发布OM-1（Omnibody Model 1），一种面向工业机械臂与人形机器人的通用操作策略。OM-1的独特之处在于：全部训练数据均来自人类佩戴传感手套的自然操作示范，未使用任何遥操作数据，也未采集任何机器人本体运行时的数据。其设计哲学概括为‘One Model, One Data Interface, Any Body’（一个模型、一个数据接口、适配任意本体）。目前OM-1仅为Reward AI内部使用，模型权重、源代码、训练数据集及API均未公开，开发者尚无法在其自有硬件上部署运行。

跳过机器人数据：走向‘尚未存在’的本体

Reward AI指出，当前主流机器人基础策略多依赖遥操作或机器人自主采集的数据，这类数据与特定硬件形态强耦合，难以泛化。团队援引P.W. Anderson‘More Is Different’观点，强调提升操作能力并非靠堆砌更多同类数据或算力，而需将‘捕捉—学习—控制’构建成端到端统一管道。由此，今日录制的人类示范，未来可直接用于训练尚不存在的新形态机器人本体。

Omnibody Hand：聚焦功能的7自由度可穿戴设备

技术栈起点是Omnibody Hand——一款延续团队此前DexCap便携式动捕技术的可穿戴设备。它并非逐关节复刻人手结构，而是围绕关键操作功能设计：选择接触点、在手中重定向物体、在精密抓握与力量抓握间切换。该手套可捕捉拇指-食指捏合、拇指与食指屈曲，以及中指、无名指与小指在掌指关节（MCP）处的耦合运动。为保障数据质量，设备采用远端屈曲机构自动适配不同手指长度，无需用户校准；同时注重人体工学，避免因滑动或束缚导致受试者产生代偿性抓握动作。

One Data Interface：以人类速度捕捉完整交互

‘One Data Interface’实现无需预设场景、无需监督员介入的实时数据采集。设计目标直指产线传送带分拣等高速任务——人类需在零点几秒内完成识别、抓取与投掷。为此，手套融合高频触觉传感、接触前的接近传感，以及全局快门式掌内摄像头（可在快速运动中保持上下文连贯）。在手部姿态追踪方面，Reward AI报告首个量化结果：相比主流视觉-惯性融合方案，其增强型电磁追踪+扰动补偿方案显著提升高速反向运动精度。在3–67 cm/s八档速度测试中（每档10次重复），电磁追踪平均超调误差从0.4 mm升至9.5 mm，而视觉-惯性方案则从2.1 mm升至24.9 mm——最高速下误差降低60%，且运行间离散度更小。力信号亦沿同一轨迹同步记录，使示范数据同时包含运动路径与用力程度。

OM-1：单阶段、端到端的策略学习

OM-1直接从人类手势流生成机器人动作，不经过中间机器人行为建模环节。所有示范均以统一格式输入，因此不存在预训练/微调阶段划分：第一条与最新一条示范共同参与单一策略的单阶段训练。输入为手套多模态流：图像、触觉信号、指间接近度、手部姿态轨迹；各模态按传感器原生采样率独立处理，保留高频触觉与运动线索，不强制降频对齐。输出涵盖运动方向、速度、作用力及关键事件时序（如抓握启动时刻）。Reward AI称已构建新型高效推理架构，但未披露具体结构与参数量。

控制层：独立时钟下的强化学习闭环

策略层之下，是一个基于仿真的高频率强化学习控制层，专为处理速度/加速度相关动力学、外部扰动及系统延迟而设计。不同于传统控制器在负载突变后失稳，该层能维持参考轨迹并主动恢复。其运行于独立时钟，策略计算期间持续执行，确保推理延迟不中断运动。针对连续预测间可能存在的衔接不平滑问题，该层在线优化过渡过程。同一动作空间同时覆盖操作与移动机器人导航任务。

初步效果：30分钟人类数据即可掌握新任务

Reward AI表示，OM-1仅需不到30分钟的人类示范数据，即可习得全新任务（含复杂动力学与长时序规划），团队将此归功于上述全栈一体化设计，而非单一模块突破。