生数科技发布 Motus2：具身智能世界模型实现闭环自进化
机器人学习拧灯泡，若操作失误，如何获知问题所在并自我修正？这正是具身智能“自进化”的核心价值：在人类无法穷尽所有示范场景的前提下，让机器人具备评估动作结果并从反馈中持续学习的能力。
生数科技最新发布的 Motus2 模型，在此领域实现了重要突破。作为集大成的世界模型，Motus2 融合了触觉、灵巧操作及第一视角（Ego）数据等前沿技术要素。相较于今年 2 月发布的前代产品 Motus（在 50 项通用任务测试中成功率较 Pi-0.5 高出 35%），Motus2 进一步拓展了视觉、语言、动作与触觉多模态能力，在一个模型中同步构建了行动、预测与评估三大核心技能树。
该模型不仅能执行动作，还能预判后果并进行自我评分，三者无缝衔接形成闭环，标志着世界模型正式迈入自我进化阶段。
模型实现闭环自进化迭代
Motus2 的核心突破可概括为三个关键词，首要便是“自进化”。传统机器人策略模型多基于统计关联，仅记忆“看到 A 就做 B"，缺乏对因果关系的理解，一旦环境变化极易失效。Motus2 则将三种能力整合于同一模型：
- 行动（WAM）：生成动作，解决“接下来做什么”；
- 预测（AC-WM）：推演后果，解决“做完会发生什么”；
- 评估（VM）：判定结果，解决“这个结果好不好”。
关键在于，这三种能力形成了“生成动作→预测后果→评估结果→更新策略”的闭环。模型利用自身的预测和评估反馈改进策略，进入下一轮迭代，这是对递归自我改进（RSI）的初步探索。需注意，此处的“自进化”指利用模型内部反馈优化策略，而非在开放环境中无限自主学習。
为避免模型在训练中出现时序作弊（即利用未来帧反推动作），Motus2 采用"Action-first"信息流，严格遵循“先观测生成动作，再预测结果，最后评估”的顺序。在此基础上，模型通过两阶段机制将预测转化为决策信号：
推理阶段：采用 Best-of-N 规划。模型先生成多个候选动作并脑补其后果，由价值模型打分后选择最优解执行。执行一小段后重新观察真实世界，开启新一轮规划。
此举赋予机器人方案比较与优化的能力，将“脑内模拟”逻辑集成至视频 - 动作大模型中，无需单独训练轻量级模拟器。
训练阶段：实施基于模型的强化学习（MBRL）。候选动作的评分被转化为策略更新信号，高分方案获得正向引导，低分方案逐渐被摒弃。此阶段仅更新动作相关参数，保持预测和评估部分稳定，防止模型跑偏。
这一机制重塑了数据价值定义：失败轨迹不再被视为噪声，而是用于学习动作后果与结果评价的重要样本。真机实测数据显示，在手机放置和多指操作任务中，基础策略成功率为 65%；加入规划提升至 67.5%；加入 MBRL 达到 72.5%；两者结合则高达 75%，较基础策略提升 10 个百分点。
触觉和记忆补全视觉缺失信息
Motus2 的第二个核心特征是“全模态”，重点增强了触觉与记忆能力。
轻量级触觉专家模块
在灵巧操作中，视觉难以完全判断接触状态（如是否打滑、受力变化）。Motus2 引入轻量级触觉专家模块，在执行短动作片段前读取最新触觉反馈以细化动作。该模块复用主模型中间结果，无需重跑完整视频骨干，兼顾了反馈频率与计算效率，解决了接入触觉信号往往导致延迟增加的痛点。实测显示，在抽取纸杯和撕纸任务中，加入触觉后平均成功率从 60% 提升至 72.5%。
长短期记忆机制
针对依赖历史信息的任务（如隐藏物体寻找），Motus2 默认缓存近期真实观测。测试表明，保留完整历史信息的方案在相关任务中平均成功率达 57.5%，显著优于压缩历史信息方案。这证明对于长上下文任务，历史信息是决策的关键部分。尽管完整保存带来存储与计算压力，但在当前技术阶段，这是平衡“记得多”与“跑得快”的有效妥协。
人类操作经验迁移至高自由度灵巧手
第三个关键词是“高自由度灵巧手”。Motus2 已部署于单手 22 自由度的 Sharpa Wave 及 20 自由度的 WUJI Hand 2 等平台，完成拧灯泡、翻书等复杂任务。
Ego 数据驱动的迁移学习
面对高自由度带来的数据难题，Motus2 采用多层次 Ego 数据体系，将人类第一视角操作经验迁移至机器人： 1. 单目 Ego 视频预训练：学习基础物体与场景规律； 2. 双目视频与动作数据引入：细化手部与物体交互信息； 3. 机器人适配训练：利用机器人轨迹和人机对齐数据，将经验迁移至机器人控制空间。
该体系包含约 13 万小时人类第一视角数据及百小时级机器人数据。对照实验显示，仅经人类 Ego 数据预训练的模型成功率为 51%，加入机器人适配训练后跃升至 84%。这表明人类数据提供了规模化世界知识，而机器人数据完成了关键的控制适配。
此外，数据规模对比实验显示，随着双目数据量增加，模型在人类动作预测任务上的验证误差持续下降，尚未触及性能天花板，印证了堆叠人类数据提升模型性能的可行性。
从“能行动”到“会反思”的演进之路
生数科技将通用世界模型演进路线划分为五级：L1 生成世界、L2 与世界交互、L3 在世界中行动、L4 自主世界智能体、L5 世界组织者。Motus2 已具备 L3 核心能力，即理解状态、预测后果并输出真实动作。
迈向 L4“自主世界智能体”的关键，在于模型能否利用自身能力参与自我改进。Motus2 通过预测后果、价值评估及策略更新的闭环，初步触达了自主决策与持续自我改进的核心领域。尽管在触觉跨本体迁移、长任务预测可靠性及开放世界持续学习等方面仍存挑战，但 Motus2 成功验证了评价与反馈进入世界模型闭环的可能性，标志着世界模型技术迈出了坚实的一步。
项目主页与真机演示：https://motus-robotics.github.io/motus2/
论文链接：https://arxiv.org/abs/2608.30237