Psi0

Psi-Zero 是一个面向通用人形智能的视觉-语言-动作（VLA）模型，旨在实现灵活的人形机器人操控。该项目通过大规模人类第一视角视频学习任务语义和视觉表示，并利用少量真实世界遥控机器人数据进行后训练，以掌握实体动态。其核心技术特点在于采用基于Qwen3-VL-2B-Instruct的视觉-语言骨干网络和多模态扩散变换器，能够仅用80条轨迹微调即可获得新的长距离灵巧操作技能。此项目适用于需要高级别自主性和适应性的机器人应用场景，如复杂环境下的物体操作与移动任务。