近日，星动纪元正式发布了其端到端原生机器人大模型ERA-42。这一命名颇具深意——“纪元原生”象征着对宇宙万物终极答案的持续探索。与之配套的自研五指灵巧手星动XHAND1，已展现出令人惊叹的灵巧操作能力：能够学会使用不同工具完成100多种复杂操作任务，并且在同一个模型框架下持续学习新技能。从拧紧螺钉，到用锤子敲钉子，再到扶正水杯后倒水，这些任务已不再是实验室里的“演示”，而是真正具备实用价值的落地能力。

基于ERA-42，星动XHAND1能够运用不同工具完成多种灵巧操作新任务

这是业界首次通过同一个具身大模型，让五指灵巧手像人手一样使用多种工具，完成上百种复杂操作任务。该模型无需任何预编程，完全依赖自身的泛化与自适应能力，可在不到2小时内通过收集少量数据学会新任务。此外，ERA-42仍在持续学习更多新技能。

基于ERA-42，星动XHAND1可完成100多种精细化、智能化的五指灵巧手操作任务

从某种意义上说，ERA-42堪称全球首个真正的五指灵巧手具身大模型，它正开启一个全新的时代——通用灵巧操作时代。

“真正”的具身大模型：开启通用具身智能体的关键钥匙

什么样的模型才算得上是“真正”的具身大模型？这一问题至关重要。从行业共识来看，需具备三个核心要素：

首先是统一一个模型泛化多种任务与环境。这意味着要构建一个统一的原生模型，融合视觉、语言、触觉和身体姿态等全模态信息，实现对不同任务和环境的泛化能力，而非为每个任务单独训练一个模型。

其次是端到端。从接收全模态数据，到生成最终输出（如决策、动作），整个过程通过一个简洁的神经网络链路完成，无需人为设计特征、预编程或干预处理步骤。这使具身智能体能够实时适应不同任务与环境，显著提升灵活性与开发效率。

第三是规模化（Scaling up）。真正的统一端到端算法，才允许模型通过持续的数据积累实现自我完善，使得具身大模型在数据量指数级增长的同时，不仅提升性能，还能在未知任务中展现出卓越的自适应与泛化能力。

被行业广泛熟知的Physical Intelligence（PI）发布的π0模型，就具备上述要素，是典型的真正意义上的端到端具身大模型。

星动纪元ERA-42：国内首个对标世界水平的端到端原生机器人大模型

星动纪元ERA-42是国内首个真正意义上的端到端原生机器人大模型，其能力对标世界领先水平。早期，星动纪元和PI几乎同期采用端到端算法来提升原生机器人大模型性能。PI推出的π0模型，通过结合互联网规模的视觉-语言预训练与机器人操作数据集后训练，使机器人能够在人类环境中自主执行多种复杂任务。这是机器人从“专家”向“通才”发展的重要一步，也是具身大模型领域的一个里程碑。

星动纪元早期发布的研究成果与Physical Intelligence (PI)几乎不谋而合

星动论文HiRT: Enhancing Robotic Control with Hierarchical Robot Transformers发表在CoRL2024

后续，星动纪元又探索了一条新的训练路径——采用大规模视频数据学习策略。这些数据涵盖无标注视频、公开的各类形态机器人数据、人类活动数据以及遥操作数据等。与直接模仿视频中人类动作不同，星动纪元的方法是学习行动之后会产生什么样的结果。这种方式让学习效果不受限于数据质量，大幅降低了数据收集成本，同时解决了行业面临的“数据消耗量巨大、需要大量高质量数据”的难题。

更值得关注的是，星动纪元的技术团队已将世界模型融入原生机器人大模型中。这意味着模型不仅具备行动能力，还具备了对物理世界的理解能力，能够对未来行动轨迹进行预测。

后期，星动纪元探索了融合世界模型的原生机器人大模型

星动论文Prediction with Action: Visual Policy Learning via Joint Denoising Process发表在NeurIPS 2024

这种能力带来的直接效果是：机器人能够迅速响应外部干扰，在任务执行过程中持续自适应优化行为，直至任务完成，极大提升了执行的高效性和准确性。

星动纪元打造的端到端原生机器人大模型ERA-42，凭借其预测能力，具备了强大的泛化、自适应和规模化能力。结合星动纪元为AI打造的全新硬件平台，通过软硬协同进化的方式，快速实现具身智能体的商业化落地。

ERA-42引领具身大模型进入通用灵巧操作时代

相比传统夹爪，基于ERA-42能力的五指灵巧手星动XHAND1，已经能够完成100多种精细化、智能化的复杂操作任务。关键是，它能够像人手一样使用更多样化的工具，完成通用性更强、灵巧度更高、复杂度更大的任务。

基于ERA-42，五指灵巧手星动XHAND1相比夹爪能使用更多不同工具执行更灵巧操作

融合世界模型后，ERA-42对物理世界的理解以及对未来的预测能力，大幅提升了其泛化能力和任务成功率。例如，下图中上方的图片展示了真实物理世界中打开冰箱的逐帧操作，下方的图片则是ERA-42生成的环境建模与对打开冰箱任务的逐帧预测。两者非常接近，说明模型预测的准确性极高。这与那些直接学习行动、忽视对世界本身理解的模型，或者仅将世界模型用于生成仿真数据的方式，存在本质区别。

真实世界执行任务与ERA-42预测执行任务对比图

基于大规模视频数据的预训练，ERA-42只需采集少量数据，就能在短时间内通过单一策略让灵巧手学会执行新的操作任务。此前，星动纪元技术团队通过这种训练方式，采集简单的红黄蓝方块抓取数据，就成功实现了对从未见过的多样化物体（如胡萝卜、茄子等）的抓取泛化，并且在泛化任务上相比其他模型算法显著提升了成功率。

通过简单彩色方块的抓取数据实现多样化物体的泛化抓取操作

由于融合了世界模型，ERA-42在单任务和长序列任务上都展现出了业内领先的抗干扰能力。研究结果还表明，随着模型规模的扩大，任务成功率明显提升，初步体现了与大语言模型训练中类似的“Scaling效应”——模型规模与性能之间存在正相关性。

“Scaling效应”显示模型与机器人性能呈现正相关性

软硬件协同进化：原生具身智能体的核心路径

构建通用具身智能体，需要软硬件的协同迭代，这就像人类的脑和身体是从小到大同步协同成长的一样。

构建原生通用具身智能体=原生机器人大模型+为AI定义的硬件平台协同进化

基于这一理念，星动纪元打造了为AI定义的全新硬件平台。以星动自研的五指灵巧手星动XHAND1为例，它共有12个主动自由度，采用纯电驱方式，每个自由度都有对应的驱动源，实现全自主五指关节驱动，能执行高精度任务。同时，每个手指配备一个高分辨率（>100点）触觉阵列传感器，提供精确的三维力触觉和温度信息。单手最大握力可达80N，负载可达25kg。

星动XHAND1 —— 全自驱 真自由

星动XHAND1在作业能力上展现出的高性能，与ERA-42协同后，为复杂灵巧操作任务的实现奠定了基础。依托ERA-42，星动纪元通用人形机器人执行任务的通用性和泛化性将大幅提升，结合此前发布的在复杂地形上稳定行走和奔跑的运动性能，配合上下肢协同作业能力，其潜在应用场景也将更加多元化，真正走向原生的通用具身智能体的产业化落地。