AIPress.com.cn报道

1月22日消息，据微软官方披露，其研究团队推出了一款名为 Rho-alpha 的机器人模型，这是首个基于 Phi 系列视觉—语言模型衍生的机器人基础模型。该模型被定位为新一代“视觉—语言—动作”系统，目标是在更动态、非结构化的真实环境中提升机器人的理解与操作能力。

微软研究院表示，传统机器人系统主要依赖视觉和语言输入，而 Rho-alpha 在感知层面引入了触觉信息，并计划进一步扩展至力反馈等感知模态。在学习机制上，该模型支持在人类反馈的持续引导下不断优化，从而提高操作稳定性与可靠性。

从能力设计上看，Rho-alpha 可将自然语言指令直接转化为双臂协作的控制信号，适用于双手精细操作任务。微软将其描述为一种“增强型视觉—语言—动作模型”，强调其在感知维度与学习方式上的扩展。

在训练方法上，Rho-alpha 结合了三类数据来源：

1.来自真实机器人演示的物理轨迹数据；

2.通过仿真环境生成的合成任务数据；

3.来自网络规模的视觉问答数据。

微软指出，这种混合训练路径旨在缓解机器人领域长期存在的高质量、多模态训练数据不足问题，尤其是在触觉等非主流传感领域。

针对数据获取难度，微软研究团队与学术机构合作，利用仿真与强化学习技术生成多样化合成数据，以补充真实机器人数据的规模与多样性。相关研究人员认为，这一方法有助于突破机器人训练对人工远程操控的依赖限制。

在实际运行过程中，Rho-alpha 仍可能出现操作偏差。微软表示，系统允许人类通过三维控制设备进行实时干预和“纠偏”，并将这些修正反馈重新纳入模型学习流程，以实现持续改进。

目前，Rho-alpha 正在双机械臂平台及类人机器人上进行评估测试。微软表示，未来将公布更完整的技术细节，并希望与机器人制造商、系统集成商及行业用户合作，探索该模型在云端物理智能系统中的训练、部署与长期演化路径。（AI普瑞斯编译）