机器人前瞻9月16日报道，昨日，松延动力旗下通用具身智能子品牌Scalabot发布机器人模型HERON-Context Reinforcement Action Model（CRA）。
这是一种上下文—强化—行动机器人基础模型（A Context-Reinforcement-Action Robot Foundation Model），也是HERON技术架构体系下的第二个模型（首个为9月8日发布的HERON-World Model）。
该公司指出，这一模型能让机器人记住过去、从错误中学习，并将一次经验转化为下一次能力。
据官方介绍，HERON-CRA构建了三项关键能力，包括：
Cross-Embodiment Pretraining（跨本体预训练基座模型）：可在各类本体上快速完成后训练与部署；
Context Expert（上下文专家）：结合多模态能力，具备4D时空记忆能力；
极简、可快速适配的强化学习（RL）引擎；
由此，松延动力认为，模型可让机器人理解任务如何发生，从错误中持续修正，并将学到的能力跨越不同身体与任务进行迁移。
一、具备长时序记忆能力，可“蒙眼”抓物
松延动力展示的视频中，该模型完成了制作咖啡这一长程任务，包括接咖啡粉、把手柄放入压粉底座、压粉、装手柄、锁手柄、倒牛奶等操作，全程不到30秒。
HERON-CRA还实现了跨本体泛化，在放置咖啡杯和解锁、取下并清洗萃取手柄等一系列操作中，松延动力分别使用了机械臂ARX和轮式人形机器人Noetix M1两种形态的本体。不过，制作咖啡任务中的操作均由夹爪完成，且从视频观察，机械臂的操作稳定性似乎存在不足。
在咖啡制作任务的成功率上，松延动力将RL Engine与纯模仿学习基线（Baseline，imitation learning only）做了对比。据官方图表，RL Engine在多数环节上领先。
松延动力还表示，HERON-CRA具备从干扰中恢复的能力。视频中，当人为将杯子拿开时，机械臂会追踪杯子、尝试抓取。
同时，基于跨本体预训练，HERON-CRA在一定程度上具备物体与位置的泛化能力。松延动力透露，模型经少量数据后训练，即可抓取任意桌面上任意位置的物品。
从视频来看，该模型可以抓取不同物品，在人为干扰下也能较快调整；即使在运行中途用黑布遮挡部分视觉信号，操作仍能继续执行，一定程度上体现了HERON-CRA对视觉输入缺失的鲁棒性。
另外，HERON-CRA还可以完成灵巧操作，如把芹菜、黄瓜切段，秋葵去蒂；不过视频中切段的长度并不均匀。
该模型还可以完成柔性物体的精细操作：机械臂能叠放、卷曲袜子，也能识别不同颜色的袜子完成同一操作，但耗时较长，整个流程超过一分钟。
在此项任务上，松延动力指出，仅模仿学习的基座成功率为38.5%，而开启RL Engine后，成功率提升至97.8%。该公司还对时序鲁棒性和失败敏感性提升做了定量检验，HERON-CRA在三项指标上占优，即扰动下读数波动更小，真实出错时读数下降更早、更充分。
（注：松延动力称，时序鲁棒性由变速一致性TCE（Tempo-Consistency Error）与暂停漂移衡量PDE（Pause-Drift Error），TCE和PDE越低越好，失败敏感性由错误阶段下降响应衡量EDS（Error-Descent Score），EDS越高越好）
HERON-CRA还具备长时序记忆能力，目前可支持超过1分钟的记忆时长。视频演示了20次以上的杯子调换，该模型均成功猜中球所在的杯子。
给定一段记忆并配合相应的语言指令，HERON-CRA便能跟随指令完成任务，即单次示范学习（In-Context Learning）。
松延动力还展示了HERON-CRA更进一步的记忆能力：在长时序记忆与单次示范学习的配合下，该模型能把被人为弄乱的三个玩具放回原位。
二、提出三项关键能力，未来将进一步验证
围绕让机器人能够记住过去、从错误中学习，并将一次经验转化为下一次能力这一目标，松延动力称，HERON-CRA构建了Context Expert（上下文专家）、RL Engine（强化学习引擎）与Cross-Embodiment Pretraining（跨本体预训练基座模型）三项关键能力，即让机器人理解任务如何发生，从错误中持续修正，并将学到的能力跨越不同身体与任务进行迁移。
具体来看，Context Expert将记忆能力与物理建模能力相结合，把带有时序信息的4D压缩token接入Transformer进行训练。
松延动力表示，这一方式使模型具备了场景中的空间历史记忆能力，并展现出基于长时序上下文的快速学习能力（In-Context Learning）。
在松延动力的技术博客中，这一实现过程被详细拆解：首先，Context信息由空间token与语言指令token沿时间维度拼接而成，语言指令的接入确保模型习得对历史多任务变化的认知。
随后，Context信息再与当前图像及语言指令token拼接，一并送入Context Expert训练；Context Expert与Action Expert则以Mixture of Transformers（MoT）的形式联合学习。
由此，Context Expert在学习时空信息的同时，也保留了VLM对图像的理解能力；其蕴含多维信息的K、V参数则共享给RL Engine，用于后续训练。
在强化学习引擎层面，松延动力认为应围绕两个目标构建：其一是奖励可靠、可扩展，其二是训练框架极简、统一。
基于此，松延动力设计了一套RL Engine：价值模型（Value Model）负责提供稠密、稳定的奖励信号，具备时空感知的策略网络与HERON-World Model共同支撑离线与在线训练。
松延动力指出，这样的设计使RL Engine与基座模型解耦，可实现即插即用。
但在构建中，松延动力在价值模型层面遇到了两大问题：失败数据缺失，以及逐帧回归缺乏时序一致性约束。
松延动力的解决办法是，将价值锚定在任务结果上，并引入时间差分（Temporal Difference，TD）约束以规整整条价值曲线，轨迹终点由任务的最终结果定价，中间每一帧的价值被下一帧价值约束；结果信息由此沿轨迹反向回传，逐帧修正价值估计。
由于仅依赖真实数据时样本效率较低，该公司又引入了基于HERON-World Model的数据Rollout，从真实数据中采样状态作为起点，让策略在世界模型中执行一段动作序列，生成对未来的视频预测。
RL Engine还可以用同一套组件支持离线学习与在线学习。
如图所示，该引擎采用Actor-Critic架构，通过交叉注意力复用冻结的高信息密度多模态Context Expert的KV值：Actor预测动作残差，用于修正Action Expert的输出；Critic评估动作价值，以指导Actor的更新。训练全程仅更新Actor-Critic，其余模块保持冻结。
而在预训练数据上，松延动力认为，机器人数据来源不可避免要在多个维度之间做出权衡。
至于预训练阶段的目标，松延动力主张让基座模型学会的是对物理世界的理解，而非动作的执行，监督信号应当是真实的物理规律，而非仅有机械臂关节角度、末端位姿这类低维信号。
为此，在预训练过程中，其采用学习时空物理规律的方法，以物理规律为目标对模型进行监督学习，让模型在物理世界中建立起认知，同时联合监督机器人动作信号。
松延动力还透露了下一步计划，将在预训练模型之上进一步验证以下内容：
第一，检验预训练是否进一步提升了In-Context Learning与few-shot能力；同时，RL Engine兼具的Test-Time-Training（TTT）功能也将同步开展测试。
第二，聚焦预训练模型的落地应用：将模型部署到真实世界，把速度与成功率推高。
此外，松延动力指出，HERON-CRA与HERON-World Model目前主要聚焦上肢操作，后续将探索把HERON系列扩展至人形机器人的全身操作能力。
结语：组合有效，但下一步是走向现实场景
HERON-CRA的思路，是把”记住过去、从错误中学”拆成三个可组合的模块：跨本体预训练打底，Context Expert管记忆，RL Engine管纠错。
从演示看，这套组合是有效的：“蒙眼”抓物、猜球、单次示范学习都成功了，叠袜子成功率也从38.5%提升至97.8%。
但官方视频也留下了问号：机械臂操作不稳、切段不均、叠袜耗时一分多钟，跨本体的效果更多是“能完成”而非“完成得好”。
记忆和纠错的价值终究要回到真实场景里检验，这正是松延动力自己列出的下一步，也是这篇技术博客还没回答的部分。
成为付费用户可以阅读 松延动力 所有资料
了解更多 →