声明:文档由AI生成,仅作参考,最终功能、参数及价格以官方为准。
产品概述
OctoMind 是章鱼动力(SynapX Dynamics)推出的物理 AI 开发平台,以自研具身原生通用基座模型 SYNWorld 为核心,向上提供 SYNAction 具身策略后训练与 SYNEval 全域评测能力,形成"数据—模型—Infra"一体化的具身智能开发闭环。
SYNWorld 为百亿参数级具身世界基础模型,基于亿级高质量样本训练,具备极致的通用模型能力——仅需数十条样本即可实现跨任务、跨本体极速适配,实现一个基模,跨本体,跨任务。
产品报价
官方暂未公布定价,需通过章鱼动力官方渠道咨询。
产品规格
| 参数类别 | 具体规格 | 说明 |
|---|
| 模型定位 | 具身原生世界基础模型 | SYNWorld |
| 参数规模 | 百亿参数级 | 官方口径 |
| 训练数据 | 亿级高质量样本 | 覆盖互联网视频、具身 Ego 与 UMI |
| 少样本适配 | 数十条样本 | 跨本体、跨任务快速适配 |
| 支持模态 | 视觉 / 触觉 / 力觉 / 语言 / 系统状态 / 动作 | 全模态统一建模 |
| 相机支持 | 针孔相机 + 鱼眼相机 | 三维几何对齐融合头部、末端多源视角 |
| 策略基座 | SYNWorld-WAM | SYNAction 预训练底座 |
| 评测基座 | SYNWorld-ACWM | SYNEval 仿真闭环能力底座 |
| 参数更新方式 | 全参数 / LoRA / Adapter | 支持 SFT、DAgger、离线/在线 RL |
核心能力
SYNWorld:具身原生通用基座
- 全模态统一架构:多视角图像、触觉、力觉和动作等模态信息分别通过独立编码器表征,映射至统一表征空间,并利用 MoT 实现跨模态交互与协同建模。
- 多任务混合训练:将场景理解、世界预测、逆动力学、动作生成、价值判断和任务进度预测纳入统一训练,通过多任务协同与能力迁移提升综合理解。
- 多视角空间理解:原生支持针孔相机与鱼眼相机,通过三维几何对齐融合头部、末端等多源视角,实现统一的全局空间建模。
- 数据、模型、Infra 一体设计:协同设计数据体系、模型架构与 AI 基建,支撑数据规模、模型能力持续 Scaling。
SYNAction:具身策略后训练
以 SYNWorld-WAM(World Action Model)为预训练基座,通过训练数据生成、后训练与策略优化、分层评测调优,持续提升策略模型在不同具身任务与场景中的执行效果。
- 数据配方:将清洗、切分与标注后的多模态与 Action 数据组织为版本化训练数据,确保可追溯、可复现。
- 后训练与策略优化:支持监督微调、DAgger、离线/在线强化学习,以及全参数、LoRA、Adapter 等参数更新方式。
- AI 自动化调参:结合训练曲线、评测结果与失败轨迹定位瓶颈,推荐下一轮数据配方与训练配置。
SYNEval:全域评测基建
以评促训,覆盖离线开环、仿真闭环与真机闭环三层评测,以评测和奖励反馈服务于模型择优、强化学习与发布验证。
- VLM 专家评估体系:VLM 对生成结果的物理合理性与执行策略进行评测打分,判断任务完成度并生成奖励信号。
- 离线开环评测:基于独立评测集完成回归测试与版本对比。
- 仿真闭环评测:基于 SYNWorld-ACWM(Action Conditioned World Model),以策略模型的动作输出为 Condition 生成未来观测与任务进度,减少真机资源消耗并服务强化学习迭代。
- 真机闭环评测:仿真预筛通过的模型进入规模化真机评测,利用 VLM 奖励反馈对齐真机并优化策略。
应用场景
- 具身智能基座模型预训练与跨本体适配
- 人形机器人 / 灵巧手 / 机械臂策略迁移
- 机器人策略后训练与离线、在线强化学习
- 具身模型分层评测与版本择优
- 具身数据配方与训练流水线工程化