全球「AI学术顶会」精华汇聚地
您正在使用IE低版浏览器,为了您的雷峰网账号安全和更好的产品体验,强烈建议使用更快更安全的浏览器
此为临时链接,仅用于文章预览,将在时失效
智能硬件 正文
发私信给陈嘉欣
发送

0

德塔智能发布原生人形机器人基础模型Delta-0

本文作者: 陈嘉欣   2026-09-28 20:20
导语:2026年9月28日,德塔智能发布原生人形机器人基础模型 Delta-0(Δ₀)

2026年9月28日,德塔智能发布原生人形机器人基础模型 Delta-0(Δ₀)。

通过该Demo,Delta-0展示了比肩Figure Helix 2.5的自主长程、全身协调、快速敏捷等能力,让人形机器人在210秒内,规划32步,完成9个家庭场景常见任务,刷新了人形机器人在单位时间内完成任务数量和质量的上限。 德塔智能发布原生人形机器人基础模型Delta-0

该Demo以一镜到底的方式,完整呈现了搭载 Delta-0的人形机器人在卧室、客厅和厨房等家居场景中识别环境、准确理解和规划任务,通过全身协同操作,连续完成了识别、放好游戏机并整理床铺、捡起地面玩偶并放置、拿起衣物并放进洗衣机、拿起杯子并放入洗碗机、打开冰箱找到变质水果、踩下垃圾桶脚踏板丢弃水果,最后坐到沙发上。

与此同时,另一台配备高自由度灵巧手的人形机器人,则完成了拿起黑胶唱片,操作唱片机播放,应声起舞等一系列精巧的全身协同操作任务。

Delta-0模型的领先源自“大脑-小脑-力位”协同设计。Delta-0面向人形机器人的完整身体构建模型,将视觉、语言和本体状态等输入转化为统一的全身动作目标,把空间理解、任务推理、动作决策和全身控制联系起来,让人形机器人能够在移动和保持平衡的同时完成操作。

Delta-0的“大脑”根据视觉为主的多模态传感,指挥人形机器人手脚的运动;“小脑”则是负责全身协调平衡与运动本能,将大脑的指令变为高频的电机控制;“力位” 混合控制兼顾运动位置与接触受力,让机器人在接触物体时精确调整动作,并保持身体稳定。

在数据与训练方面,Delta-0复用既有上肢操作及跨本体数据,并结合团队采集的人类全身动作数据,补足下肢参与、移动和姿态变化等信息。其中,以人为中心的数据管线,覆盖采集、标注、处理和预训练;真实交互反馈、人工纠正与强化学习,则用于后训练和失败恢复。

Delta-0模型还采用了“真实-仿真-真实”的策略学习与评估体系。Delta-0的训练基于德塔D1采集的人类第一视角观测与全身动作数据,以及多样化运动数据,能理解真实环境与人体如何响应和交互。

Delta-0还通过增量动作接口接收策略指令和人工纠正,利用真实物理交互反馈与强化学习继续改进行为。评测方面,系统将真实场景重建到仿真环境中,让人形智能体重复导航、操作和重试,再回到实机验证,确认仿真结果能否迁移。

德塔智能创始人兼CEO马晓健博士认为:“人形机器人的价值,不只是外形接近人,而是能够进入已经按人的尺度建成的空间,在复杂环境中移动,并同时完成全身协同操作,机器人需要把通过性和操作能力放在同一个任务里考虑,更困难的是让这些能力在一个连续任务里配合起来,交付结果。Delta-0的技术Demo,部分展示了我们在这一领域的能力,也让行业更有信心,加速推动人形智能在真实场景的爆发式落地。”

机器人能接好班,要自主长程。本体在210秒内完成9项任务,意味着Delta-0在完成任务之间,需要根据本体移动获得的信息,自主切换任务目标,调整完成任务的优先级和顺序,让前一动作留下的身体姿态和物体状态,成为后续决策的条件。

Delta-0之所以能实现自主长程,是基于移动和操作的未降速数据进行训练,成为一个能够理解空间与物理,学会人类与环境交互方式,并迁移到不同机器人本体上的智能大脑,是一个依托于本体觉,理解力交互的高自由度运动协调本能模型,从而实现上层智能(大脑)与底层本能(小脑)的深度协同。

机器人任务做得好,要全身协调,这体现在对物体、位置和接触过程的大小脑协同和力度控制。

从拿起黑胶唱片、对准唱机放置并启动播放、合上唱机罩,需要识别不同实体的空间关系和材质,精巧完成;操作洗碗机,需要控制灵巧手精确找到把手、判断门的开启方向和开门所需力度,并在施力时调整站姿和重心,以类似人类拉开重门的方式,以左手撑住橱柜门,借力开门;将餐具放进洗碗机,则考验机器人在有限开角的空间中,协调身体与手部的轻巧放置动作。

机器人进入真实场景,要快速敏捷。不是单个动作快,而是识别、决策和行动能够及时、顺滑的衔接。机器人要根据场景判断下一步做什么,调整身体位置和姿态,再由双手、手臂、躯干与双腿协同执行。快速敏捷是结果,原因是Delta-0基于多个训练阶段使用人类的全身数据,并优化了推理、通信和异步执行。

德塔智能联合创始人兼首席科学家黄思远认为:“通用大模型可以帮助机器人理解任务、规划步骤,但这不等于能在受力、失衡和连续接触中把动作做稳。物理智能的分水岭,是模型能不能把判断落到身体控制上,并在真实交互中持续修正。比如,如果把移动和操作拆开,实现起来更简单,但在真实任务里,却可能多出一道巨大的鸿沟。对人形机器人来说,走到哪里、怎样站稳、手如何操作和发力,必须作为一个全身问题来学习和控制。Delta-0的发布,证明了我们选择的是一条光荣的荆棘路。”

Delta-0的发布,只是德塔智能推进人形智能的一小步,德塔智能将继续与本体、数据和场景伙伴开展适配与验证,推动基础模型服务更多本体,快速拓展在真实环境中的真实应用。

关于德塔智能

德塔智能(Delta Intelligence)是专注于原生人形机器人基础模型(Humanoid Foundation Models,HFMs)研发的新一代具身智能企业,推动人形机器人从“分散能力”向“全身协同”演进,最终实现人形机器人的通用智能。HFMs拥有三大“原生”基因:由原生人形机器人数据训练,以具备原生3D空间推理能力的世界引擎为底座,构建原生类人大小脑架构,统一建模空间理解、任务推理与全身控制,使机器人能够协调双手、双腿与躯干完成全身协同操作(Loco-Manipulation),并将通用模型能力迁移至不同人形机器人本体,推动人形机器人从“会动”走向真正“能干活”。(雷峰网(公众号:雷峰网))

雷峰网原创文章,未经授权禁止转载。详情见转载须知。

分享:
相关文章
最新文章
请填写申请人资料
姓名
电话
邮箱
微信号
作品链接
个人简介
为了您的账户安全,请验证邮箱
您的邮箱还未验证,完成可获20积分哟!
请验证您的邮箱
立即验证
完善账号信息
您的账号已经绑定,现在您可以设置密码以方便用邮箱登录
立即设置 以后再说