1月6日，智元在其官方公众号上发布了SOP系统。这套系统面向真实世界部署，旨在让人形机器人在实际环境中持续进化。
人形机器人行业对于训练数据的选择一直存在争议。一些厂商使用模拟仿真工具进行训练，而另一些则依赖真机训练。后者的方法曾被批评缺乏真实场景的训练，导致训练出的人形机器人在实际应用中表现不佳。
实验室中真机收集的数据训练出的人形机器人虽然能在实验环境中完成任务，但在实际使用中往往无法应对复杂情况。
此次发布的SOP框架有助于智元补足关于真实场景的数据。智元指出，现有的VLA预训练模型已经具备强大的通用性，但真实世界的部署需要更高的任务专精度。离线数据采集方式的边际效益递减，后训练成为提高任务成功率的关键。然而，当前主流的VLA后训练方法受限于离线、单机、串行采集等因素，难以支持高效、持续的真实世界学习。
智元推出SOP框架的目标是让机器人在真实世界中实现分布式、持续的在线学习。据智元介绍，SOP提升了多任务通才的性能，并在三小时的在轨经验下获得了约30%的性能提升，相比之下，80小时额外的人类专家数据仅带来了4%的提升。
