逐际动力，一家强调系统化研发流程和创新能力的科技先驱，近日在IPO早知道平台上独家披露了一项震撼业界的消息。Stone Jin报道，基于强化学习技术的「逐际动力双足机器人P1」在深圳塘朗山郊野公园进行了划时代的测试——零样本、无保护、全开放环境下开箱即跑，在陌生复杂的野外环境中，展现出卓越的移动能力与稳定性，成功验证了强化学习训练后的超凡控制力。
    
    实际上，逐际动力对强化学习的研究积累深厚，已将目光聚焦于如何将强化学习的前沿理论转化为系统化的研发实力，赋能产品功能开发，并构建了独特的强化学习研发体系。该体系主要包括三大支柱：Real2Sim2Real闭环机制、精细化神经网络架构设计以及高效数据生成与训练算法设计。通过持续优化流程管理和严谨的算法验证，逐际动力正积极推动人形机器人关键功能的研发进程。
    
    其中，P1作为逐际动力在中国率先推出的创新型双足机器人，不仅是强化学习系统化研发与模块化测试的重要载体，更是其科研成果的一次华丽展现。P1成功征服野外森林，生动证明了逐际动力强化学习系统化研发的实力所在：
    1. Real2Sim2Real闭环：从物理世界到仿真世界再回归现实世界，逐际动力实现了数据与模型之间的全自动闭环，致力于全过程自动化，最大限度减少人工干预，弥合仿真与真实环境间的鸿沟，从而提升训练效率与效果。
    2. 神经网络架构设计：逐际动力打造的神经网络结构并非一个简单的黑盒，而是一个科学严谨且具有系统复杂性的框架，决定了强化学习性能的天花板。团队精心划分模块、定义接口，所打造的神经网络架构能有效应对环境变化及硬件差异带来的干扰，生成自适应性强的控制策略，确保同一网络适用于多种机器人和场景。
    3. 数据生成机制与训练算法设计：面对强化学习中数据的关键地位，逐际动力创新提出迭代式预训练方法，针对通用机器人的基础运动能力进行分级循序渐进的预训练，以实现可控的训练过程，高效产出和收集有效数据，进而训练出高性能的行动策略（Policy）。
    
    值得注意的是，尽管在仿真训练过程中，P1并未接触过任何与森林徒步相关的数据，但依然能在变幻莫测的森林环境中自如行走，充分展示了逐际动力强化学习系统化训练的有效性和可靠性。这四大要素——硬件、算法（尤其是强化学习）、数据、算力共同构成了具身智能研发的核心，而P1作为中国首个成功在野外环境中徒步的双足机器人，有力地证实了逐际动力所选择的技术路径之先进性。
    
    不仅在移动控制领域取得了突破，逐际动力还在人形机器人的操作（Manipulation）和移动操作（Loco-manipulation）等方面持续攻关，矢志不渝地推进人工智能与机器人技术的发展边界。