Reward AI不用机器人数据，OM-1零样本“换身体”：双手打包、拔网线都很丝滑

聪明、丝滑、灵巧，一家美国创业公司为机器人的跨本体泛化提供了一种新解法。

就在24小时之前，美国机器人创业公司Reward AI发布其首款机器人基础模型OM-1。它具备三大特点：直接从人类操作数据中学习，不使用遥操作或机器人本体数据；同一个模型可以零样本迁移到桌面机械臂、工业机械臂和人形机器人；在包装、调酒、折叠衣物等任务中，以接近人类的速度连续执行。

最关键的是，换一种机器人，不必把已经学到的操作能力全部推倒重练。这是OM-1最令人惊艳的能力。

Reward AI同时公开了一组演示：机械手按住水晶头卡扣，拔出锁紧的以太网线；两只机械臂协同完成手机包装；双臂机器人折叠衣物、拿取酒瓶并调制饮品；OM-1可以驱动人形机器人进行全身操作和导航，但更多细节尚未公布。

从Demo来看，所有片段均为原速播放，手机包装、调酒和衣物折叠等长时程任务的执行时间不到30秒。英伟达机器人负责人Jim Fan在相关发布下的评价很短：“So smooth！”

但它真正想改变的，是机器人模型、训练数据与硬件之间的关系。

01

跨本体不是新命题，摆脱机器人数据才是关键

让同一个模型控制不同机器人，并不是OM-1第一个提出的目标。

Physical Intelligence在2024年发布的机器人基础模型π0，使用了开放机器人数据集以及团队从八种机器人上采集的数据。Google DeepMind发布的Gemini Robotics 1.5已经展示过在ALOHA 2、双臂Franka和Apollo人形机器人之间迁移动作；2026年7月发布的Gemini Robotics 2则称，可以用数小时数据、通常不到200个样本适配新的双臂机器人。

OM-1选择了一条更激进的数据路线：负责操作决策的同一个模型只从人类示范中学习，不需要先为不同机器人采集训练数据，也不需要针对具体机器人重新微调。

这条路线来自Reward AI两位创始人长期积累的研究。CEO Zipeng Fu拥有斯坦福大学计算机科学博士学位，师从机器人学习学者Chelsea Finn，参与过Mobile ALOHA、HumanPlus等项目；CTO Chen Wang同样毕业于斯坦福计算机系，师从李飞飞和C. Karen Liu，研究方向集中在人类动作学习、灵巧操作和长时程规划。

OM-1直接延续了Chen Wang等人在斯坦福开展的DexCap研究：不再先让人遥控机器人，而是记录人类如何自然地完成工作，再让同一个模型把这些经验迁移到不同机器人上。

使用遥操作采集数据时，人的动作要先经过某台机器的关节、夹爪和控制系统，数据里容易混入特定硬件的特征。OM-1则把数据采集放到机器人之前：人先自然操作，模型学习其中可复用的能力，再由不同机器人的底层控制系统负责执行。

02

把人“下意识会做的事”记录下来

人拿起杯子、拧开瓶盖或者整理衣物时，很少会思考每根手指应该移动多少。接触前减速、物体滑动时增加抓力、盒盖没有对齐时轻推一下，这些轻推、滑动、扭转和力量变化，构成了Reward AI所说的“潜意识身体智能”。

为了捕捉这些信息，团队开发了可穿戴设备Omnibody Hand。它没有机械复制人手的全部关节，而是用七自由度保留最重要的功能：拇指与食指完成精细捏取，多根手指协同发力，并在精确抓取和力量抓取之间切换。

设备同步记录图像、手部轨迹、手指间距离、触觉信号和用力大小。模型学到的不只是“手移动到了哪里”，还包括什么时候接触、物体是否抓稳，以及拉动或托举时需要多大力量。

为了记录快速动作，Reward AI在视觉惯性追踪之外加入电磁追踪。在八种速度、每种速度十次的测试中，其方案在最高速度下将平均过冲误差从24.9毫米降至9.5毫米，降幅约60%。这一数字衡量的是手部追踪误差，不是机器人任务成功率，但说明系统可以在不要求人刻意放慢动作的情况下，更准确地记录示范。

对于一个此前没有学习过的新任务，Reward AI称，OM-1需要的人类示范数据总时长不到30分钟。新任务仍然需要示范；所谓“零样本”，主要指同一个模型换到另一种机器人身体上时，不需要进行本体特定的微调。

03

从拔网线到四臂包装，模型必须边做边调整

OM-1公布的任务不是简单的抓取和放置。

拔网线就是一个典型例子。机械手必须先找准水晶头上的卡扣，将其按下，再向外拉。位置偏一点，接头就不会释放；只增加拉力，反而可能损坏接口。

开启冰箱门考验的是力量适应，机器人需要根据未知阻力不断调整。调酒和衣物折叠包含多个连续步骤，手机包装则要求四只机械臂围绕同一件物品协同操作。

Reward AI称，演示中还出现了几种涌现行为：一只机械臂出现偏差时，其他机械臂会调整动作进行补偿；操作失败后，模型会重新尝试；物体受到外部干扰时，它会改变动作；如果环境变化过大，机器人会停止执行。

这些表现说明，OM-1生成的不是只能从头播放到尾的固定轨迹，而是根据接触状态、任务进度和其他机械臂的动作持续调整。

OM-1真正激进的地方，不是第一个提出跨本体，而是试图把机器人本体从上层模型的训练数据中拿掉：让人类示范成为可以长期复用的数据源，让具体机器人只是执行这些能力的不同身体。

如果这条路线能够经受长时间运行和更多硬件的验证，机器人数据就可能不再随着一代硬件退役而贬值。今天记录的人类操作，可以继续教会明天才被制造出来的机器人。

这才是OM-1此次发布最值得关注的赌注。