Reward AI 发布 OM-1：仅用人类演示训练

机器人创业公司 Reward AI 发布了通用操作策略 OM-1（Omnibody Model 1）。该模型从佩戴传感手套的人类身上学习，随后可在工业机械臂和人形机器人上以人类速度运行。公司强调的关键点是：训练过程中不使用任何遥操作（teleoperation）数据，也不使用机器人端采集的数据。该团队此前的工作包括 DexCap、HumanPlus 和 ALOHA。

目前 OM-1 仍是公司内部策略，没有公开权重、代码、数据集或 API，开发者无法在自己的硬件上运行。

手套与统一数据接口

系统的起点是可穿戴设备 Omnibody Hand，它延续了团队早期 DexCap 的便携式动作捕捉工作。设备没有逐关节复制人手，而是采用七自由度设计，围绕三类功能展开：选择接触点、在手内重新调整物体朝向、以及在精细抓取与力量抓取之间切换。手套整合了高频触觉感知、接触前的接近感知，以及全局快门的手内摄像头。远端弯曲机构可吸收手指长度差异，因此无需针对每位用户单独调整。

公司公布的唯一量化结果与手部姿态跟踪有关。在两个机械挡块之间，以 3 到 67 厘米/秒的八种速度移动两套跟踪器，每种速度取十次平均：电磁跟踪的平均过冲误差从约 0.4 毫米升至 9.5 毫米，视觉惯性跟踪则从约 2.1 毫米升至 24.9 毫米。在最高速度下相当于降低 60%，且多次运行之间的波动更小。

底层控制

OM-1 直接从人类动作生成机器人动作。由于所有演示格式统一，训练不再区分预训练与后训练，单一阶段训练单一策略。每种模态按其传感器原生采样率处理，而不是统一降采样。策略之下是一层高频控制层，在仿真中用强化学习训练，用于应对外部扰动和系统延迟；它按自己的时钟运行，推理延迟不会中断动作。

Reward AI 称，OM-1 学习一项全新任务只需不到 30 分钟的人类数据。公司未公布成功率、公开基准对比或论文，相关说法目前仅有演示支撑。详情见 MarkTechPost。