Microsoft推出基于Phi系列视觉语言模型的物理AI机器人模型Rho-alpha。该公司表示，Rho-alpha旨在提升物理系统在真实环境中的适应性与灵活性。
Microsoft介绍，过去几十年，机器人主要应用于装配线等结构化环境，这类任务通常流程固定、可预测性较强。随着面向物理系统的视觉-语言-动作模型（Vision-Language-Action，VLA）兴起，机器人有望进一步进入更复杂、更开放的非结构化环境，与人类协作完成感知、推理和动作执行。
据介绍，Rho-alpha可将自然语言指令转化为控制信号，驱动机器人完成双臂协同操作。Microsoft表示，该模型的特点在于将感知和学习能力扩展到传统VLA模型较少覆盖的模态。
Microsoft Research Accelerator副总裁Ashley Llorens表示，在感知层面，团队已引入触觉传感，并正持续推进技术升级，以扩展包括力在内的更多传感模态；在学习层面，Rho-alpha被设计为即使部署到真实场景中，也能持续吸收人类反馈，并通过迭代不断提升性能。
与此同时，Microsoft还推出Rho-alpha Research Early Access Program，面向希望将Rho-alpha接入自身机器人系统，或探索更多应用场景的合作伙伴开放。
华盛顿大学教授Abhishek Gupta表示，通过远程操控机器人系统获取训练数据，已经成为行业标准做法。不过，许多场景并不适合、甚至无法采用远程操控。他表示，目前正与Microsoft Research合作，将仿真与强化学习结合，构建多样化的合成示范（synthetic demonstrations）数据，以补充从真实机器人采集的预训练数据集。
记者信息
Chi-gyu Hwang
delight@d-today.co.kr