在自主人工智能代理于数字领域取得显著成果后，初创公司 Hedra Inc. 正将目光投向现实世界，致力于开发能够自动化执行物理任务的 AI 系统。
Hedra 今日正式推出“Hedra Model Factory”，这是一个专为自主机器人及其他硬件系统打造的后训练与推理平台。该平台核心在于应用递归自我改进（Recursive Self-Improvement，简称 RSI）技术，旨在解决物理 AI 面临的关键挑战：不同机器人及任务需匹配特定模型，而海量数据使得全量训练变得不可行。
RSI 技术允许系统自主评估、训练并优化自身架构。尽管前沿实验室对此已有深入研究，但受限于高分辨率视频、传感器馈送及 3D 模拟等多模态数据带来的巨大计算成本，此前尚未有人将其成功应用于物理世界。Hedra 表示，其 Model Factory 通过提供自主训练管道，将内部研究团队与负责编排训练、策划数据及自主迭代的 AI 代理相结合，从而突破这一瓶颈。
### 端到端的物理 AI 生产线
Hedra 创始人兼首席执行官 Michael Lingelbach 曾担任斯坦福大学和英伟达的强化学习研究员。他指出，该平台的本质是端到端的物理 AI 模型生产基础设施，服务于机器人、制造、生物学及国防领域。客户只需提供基础模型及专有模拟和视频数据，平台即可在由专有推理引擎驱动的灵活 GPU 沙箱环境中进行配置。
随后，RSI 流程启动，Hedra 研究人员利用视觉语言模型对数据进行评分并提供实时强化学习反馈，确保持续优化模型以执行指定任务。完成后，模型可部署于客户本地系统或通过 Hedra 的云合作伙伴部署。此外，模型还可被蒸馏以在边缘系统运行，降低延迟。上线后，运行数据将反馈回沙箱环境，形成自主优化飞轮，使模型随时间推移表现更佳。
为验证系统有效性，Hedra 展示了多项成果：在重新训练 MiniMax Group 的开源 H3 视频模型后，其蒸馏版本在 Physics-IQ 基准测试中的得分从 30.3 提升至 34.9；在另一次训练中，Krea 3 2K 图像生成模型的采样步骤从 30 步减至 14 步，延迟从 22 秒降至 3.6 秒，实现六倍速度提升，全程仅耗时一周。
Lingelbach 表示，Hedra 的终极目标是通过优化训练流程，帮助创建数千个定制且具成本效益的模型，推动物理 AI 革命。借助 RSI，部分场景甚至可绕过重新训练。例如，在更换机器人夹爪时，通过将新硬件指标映射至手腕摄像头视图，任务成功率可直接恢复至 100%，无需额外训练。
随着 Hedra Model Factory 服务的正式上线，企业现可获得一种避开计算密集型训练的新选项，从而快速开发将智能带入现实世界环境的专用自主系统。