Hedra推出模型工厂，用于培训和增强机器人中的AI模型

美国科技公司Hedra于2026年11月10日推出了Model Factory平台，旨在基于现有解决方案创建专用AI模型。该平台集成了计算基础设施、额外训练、性能优化以及部署后模型持续改进的工具。该服务面向机器人技术、工业系统、生物研究和国防技术的开发者。

Model Factory的主要特点是应用递归自我改进（RSI）方法。它涉及实验、结果评估和使用自主AI代理进行模型调整的连续循环。该过程由研究人员控制，他们设定训练目标并验证获得的解决方案的质量。

Hedra Model Factory如何运作

为了适应模型，客户提供一个基本的AI系统和与特定任务相关的数据。这可能包括视频记录、传感器信息、计算机模拟结果或工业设备参数。Hedra在一个隔离的GPU环境中进行计算，之后公司专家与AI代理一起组织额外的训练。

在此过程中使用能够分析图像、视频和其他类型信息的多模态模型。它们帮助评估训练数据、提供反馈，并在各种设置下进行实验。这种方法允许在不从头创建新系统的情况下，将现有模型适应特定条件。

训练完成后，客户可以在自己的服务器或Hedra的合作数据中心部署模型。对于计算资源有限的设备，提供通过蒸馏进行模型优化的方法——一种在保持必要功能的同时减少计算复杂性的方法。

开发者还建议使用模型部署后获得的数据进行进一步改进。研究人员分析结果并组织新的训练周期，更新版本在通过客户设定的检查后发布。

技术展示的结果

例如，Hedra展示了Krea 3模型的优化，该模型用于生成和编辑图像。根据公司介绍，2K分辨率下的图像处理时间从大约22秒减少到3.6秒，速度提高了约六倍。工作不到一周时间，使用的是四个AMD Instinct MI355X加速器的相同硬件配置。

加速是通过多项改进实现的，包括模型蒸馏、计算优化以及将生成步骤从30减少到14。因此，这一数据不能被视为Model Factory的通用性能提升：它涉及特定模型、测试负载和所选设置。

在另一个实验中，Hedra提高了H3视频模型再现物理过程的能力。经过额外训练，其在Physics-IQ测试中的成绩从30.3分提高到34.9分。该测试由Google DeepMind参与开发，评估生成视频模型在多大程度上逼真地描绘物体运动、碰撞和其他物理现象。

公司还报告称，视频模型的蒸馏版本能够在不到三秒的时间内在AMD MI355X加速器上创建五秒的剪辑。然而，仅仅高生成速度并不能保证所有创建场景的物理准确性。

机器人抓取实验

Hedra的一项独立研究集中在更换夹持器后适应机器人系统。夹持器是机器人用于抓取和移动物体的设备。这样的更换可能会干扰先前训练的模型的操作，因为新设备的几何形状和参数与原始设备不同。

在模拟中，开发者更换了机器人的夹持器，之后指定操作的成功率几乎降至零。系统随后将新的夹持器参数与安装在机器人手臂上的摄像机图像匹配。根据Hedra的说法，这使得成功率几乎恢复到100%，而无需重新训练模型。

结果展示了通过调整参数表示来适应设备变化的AI的可能性。然而，该测试是在虚拟环境中进行的，因此不能被视为该方法在真实工业机器人上可靠性的证明。

Model Factory的应用领域

Hedra计划利用该平台开发能够处理物理对象和过程的专用AI系统。在机器人技术中，这些解决方案可以应用于操纵器控制、物品分类以及设备适应新任务。在工业和科学研究中，它们可以帮助分析传感器数据并优化复杂系统的运行。

Hedra的联合创始人兼CEO Michael Lingelbach曾在斯坦福大学和Nvidia从事强化学习研究，他认为AI发展的下一个阶段将与其在物理世界中的应用有关。为此，公司建议将专门的研究支持与自动化实验和计算基础设施结合起来。

Hedra Model Factory已经向企业客户开放。然而，公司网站上的递归自我改进机制被指定为具有初步访问权限的研究方向。企业服务的成本、大规模工业实施的结果以及确认的计算资源节省尚未披露。