[智能应用]人形机器人上麻将桌！北京创企攻克30分钟自主对战难题，翻牌碰杠比人还流畅 [6P] [复制链接]

机器人前瞻4月27日报道，今天，灵初智能发布了分层端到端VLA+强化学习算法模型Psi-R1。R1能够让机器人基于Chain of Action Thought（CoAT）框架的自主推理系统，在开放环境下进行自主推理决策，完成长程复杂操作。
R1以麻将为场景，展现了机器人在开放环境中的长程灵巧操作能力，达成了30分钟+持续CoAT超长任务时长，还验证了三重复合交互能力，即人-机交互、机-机交互、机-环境交互。
机器人要学会打麻将，难在哪？

• 机器人需要理解麻将的规则，确保行为符合游戏规则。
• 机器人还需要制定合理的策略，如根据手牌状态、牌局演变以及对手行为来完成动态策略生成，决定出牌、吃碰杠等操作，涉及大量人机交互、机机交互等动作。
• 机器人操作需要完成毫米级精度的抓牌、出牌、理牌等灵巧精细动作，这对机器人的长程任务规划、灵巧操作能力提出了巨大挑战。

在视频中，R1让机器人具备了翻牌、碰杠、算牌、协作等核心能力。可以看到，机器人灵巧手攻克了触觉-视觉模态对齐难题，实现100%准确翻起麻将牌。
机器人能够根据牌友的出牌，构建牌局状态机，自主构建碰、杠等策略链，并丝滑地完成碰杠动作。
在长程规划上，机器人能够记得所有人打过的所有的牌，并根据牌桌状况动态规划要打的牌。
两台机器人甚至还会相互配合，不仅仅信息共享，互相“看牌”，还能多机配合递牌，提升胜率。
不同于Pi，Figure等「动作单向决策」机制的VLA模型（仅能完成视觉-语言层面的CoT），灵初智能的R1模型的慢脑输入包括行动Token，构建了首个支持「动作感知-环境反馈-动态决策」全闭环的VLA模型，实现机器人操作的视觉-语言-动作多模态协同的CoAT思维链，且已首度成功验证VLA Test-Time Scaling。
快脑S1专注于操作，涵盖了物体的遮掩抓、物体轨迹约束的操作如拉拉链，工作使用技能泛化如扫码、打电钻，高动态操作如抛接球等。
慢脑S2专注于推理规划，S1的操作经过tokenize后，作为S2慢脑的输入，和语言、视觉模态融合，基于Causal VLM自回归架构，实现多模态融合的推理和任务规划。
快慢脑通过Action Tokenizer隐式连接，端到端训练，协同完成长程任务的灵巧操作。
灵初智能R1可以应用于多个场景中，例如泛工业中来料仓检测、成品包装等场景，零售物流中拣选、分拨、补货、打包等场景，以及家庭服务与协作场景。
目前，该公司已与制造业、商超零售、跨境物流等行业龙头企业展开合作，梯次布局高价值商业化场景，从泛工业向泛零售物流，再最终迈向家庭应用。

　　灵初智能发布的分层端到端VLA+强化学习算法模型Psi-R1，展示了机器人在复杂环境中进行自主推理和决策的能力，尤其是在麻将这一具有挑战性的场景中。以下是对机器人学会打麻将难点的分析：

　　1. 理解规则：机器人需要理解麻将的复杂规则，并确保其行为符合游戏规则。这要求机器人具备一定的逻辑推理和规则学习的能力。

　　2. 动态策略生成：机器人需要根据手牌状态、牌局演变以及对手行为来制定合理的策略，决定出牌、吃碰杠等操作。这涉及大量的人机交互、机机交互等动作，对机器人的决策能力提出了挑战。

　　3. 灵巧精细操作：机器人操作需要完成毫米级精度的抓牌、出牌、理牌等灵巧精细动作，这对机器人的长程任务规划、灵巧操作能力提出了巨大挑战。

　　4. 触觉-视觉模态对齐：机器人灵巧手需要攻克触觉-视觉模态对齐难题，实现100%准确翻起麻将牌。这对机器人的感知和控制能力提出了高要求。

　　5. 构建牌局状态机：机器人能够根据牌友的出牌，构建牌局状态机，自主构建碰、杠等策略链，并丝滑地完成碰杠动作。这要求机器人具备实时分析和响应牌局变化的能力。

　　6. 长程规划：机器人能够记得所有人打过的所有牌，并根据牌桌状况动态规划要打的牌。这需要机器人具备长程记忆和规划的能力。

　　7. 多机配合：两台机器人甚至还会相互配合，不仅仅信息共享，互相"看牌"，还能多机配合递牌，提升胜率。这要求机器人具备协同合作的能力。

　　灵初智能的R1模型通过快慢脑协同工作，实现了视觉-语言-动作多模态协同的CoAT思维链，成功验证了VLA Test-Time Scaling。快脑S1专注于操作，慢脑S2专注于推理规划，两者通过Action Tokenizer隐式连接，端到端训练，协同完成长程任务的灵巧操作。

　　R1模型的应用场景广泛，包括泛工业、零售物流以及家庭服务与协作等。灵初智能已与多个行业的龙头企业展开合作，梯次布局高价值商业化场景，从泛工业向泛零售物流，再最终迈向家庭应用。这表明R1模型具有巨大的商业潜力和应用前景。

关于北京灵初智能研发的人形机器人R1在麻将场景中实现30分钟自主对战的技术突破，结合最新进展与行业意义，整理如下：

一、技术突破与核心框架
CoAT（Chain of Action Thought）自主推理系统
R1基于CoAT框架，首次实现视觉-语言-动作多模态协同的闭环思维链。与传统的单向决策模型（如Pi、Figure仅支持视觉-语言推理）不同，R1通过慢脑输入的行动Token，融合「动作感知-环境反馈-动态决策」全流程，支持动态策略生成。

分层端到端VLA+强化学习算法模型（Psi-R1）
该模型结合视觉语言动作（VLA）与强化学习，攻克了开放环境下的长程任务规划难题，例如麻将牌局的持续30分钟以上自主操作，并首次验证VLATest-Time Scaling技术。

二、能力展示：麻将场景中的表现
复杂交互能力

人-机交互：通过高清摄像头与触觉传感器，实现毫米级抓牌、理牌动作（100%准确翻牌）。
机-机交互：多台R1可共享牌局信息，协同递牌、制定策略链，提升胜率。
机-环境交互：动态构建牌局状态机，实时分析对手出牌并调整策略（如碰杠、算牌）
长程任务规划与操作精度
机器人需同时满足规则理解、策略生成（动态出牌/碰杠）、灵巧操作三大挑战，例如记忆所有已出牌、预测牌局演变并规划最优出牌顺序。

三、行业意义与未来潜力
技术验证价值
麻将场景综合考验了机器人的感知、决策与执行能力，为家庭服务、工业协作等复杂场景（如物体遮掩抓取、高动态抛接球）提供技术迁移基础。

市场应用前景
人形机器人正加速从实验室走向实际应用，中国预计2030年市场规模达8700亿元。R1的突破显示国内企业在AI算法与硬件集成上的领先优势，或推动服务型机器人商业化进程。

四、与其他技术的对比
与早期智能麻将机器人相比，R1的突破在于：

闭环决策：传统模型仅完成视觉-语言推理，R1通过动作Token实现操作闭环。
多机协作：首次验证机-机交互的协作策略，而非单机单向操作。
总结
灵初智能R1通过CoAT框架与VLA+强化学习模型，攻克了人形机器人在开放环境中的长程复杂操作难题。其麻将场景的成功应用，标志着国内在人机交互、动态决策等领域的技术突破，为未来服务型机器人普及奠定基础