新智元报道
机器人自进化时代正式开启，自主世界智能体迈出关键一步。
9 月 10 日，在外滩大会现场，生数科技联合创始人、CEO 骆怡航发布生数 Motus2。这是一款面向灵巧操作的自我演化型通用世界模型。
Motus2 的核心突破在于让机器人不仅能执行动作，更能预演后果、评估结果并据此优化策略。在撕纸、翻书、开易拉罐、擀面团等高难度精细操作的真机演示中，Motus2 表现流畅。
通用具身智能体需在统一系统中完成感知、预测、行动、评估与改进的闭环，而世界模型是实现这一闭环的核心范式。然而，现有模型多将动作输出作为世界模拟器的简单外挂，缺乏结构性深度耦合，无法形成“决策—学习—策略改进”的自进化闭环。
针对该瓶颈，生数科技不仅引入触觉模态，更首次统一了“策略、模拟、评估”三大能力，结合触觉与历史信息，成功构建了自进化闭环。其核心创新包括：
- 统一决策与学习接口：以“动作优先”的因果信息流连接策略、模拟器和评估器，同时支持推理时规划与训练时策略优化。
- 扩展人类交互数据：从单目 Ego 视频扩展到双目视频—动作数据，并利用规模化人类操作经验服务于机器人灵巧操作。
- 补充历史与接触信息：通过记忆机制和轻量级触觉专家，解决单帧视觉难以完整感知状态的问题。
在放置小球、多指操作、贴合橡皮、拧灯泡、放置手机五项真机任务中，Motus2 平均成功率达 84%。
在放置手机和多指操作两项独立评测任务中，结合基于模型的强化学习与推理时规划，平均成功率从 65% 提升至 75%。
随着模型和数据的 Scaling，机器人已能在“脑海”中推演未来、自评行为并实现自我更新。
项目地址：https://motus-robotics.github.io/motus2/
论文地址：https://arxiv.org/abs/2608.30237
为什么需要「自进化」与「第三个接口」？
传统机器人灵巧操作多被视为简单的“从观测到动作”端到端映射。行为克隆或模仿学习依赖死记硬背，缺乏物理常识，既无法评判动作优劣，也难以在面对未知扰动时自我改进。
为此，研究者转向“自进化”范式，即让模型预测并评估候选动作后果，利用反馈闭环改进策略。此前的世界模型已具备策略（提出动作）和仿真器（预测后效）两种能力，生数科技上一代 Motus 模型也实现了两者的统一。但 Motus2 的关键推进，是将价值评估与策略改进纳入链路。
Motus 架构
仅会“预言”并不足够。若只知道“会怎样”而不知“好不好”，机器人无法做出最优决策。因此，自进化亟需第三个接口——评估器（价值模型）。
策略回答“尝试什么”，仿真器回答“发生什么”，评估器回答“结果如何”。这契合了清华朱军团队通用世界模型（GWM）的核心原则：动作必须是物理交互的因果接口，通过改变环境带来新信息，进入下一轮理解与预测。
Motus2：自进化通用世界模型的跨越
Motus2 颠覆性地重构架构，将三种能力融入同一套“视频—动作”共享权重模型中：
- 策略（WAM）：根据指令、状态和历史生成动作。
- 仿真器（AC-WM）：给定状态和动作，预测未来画面。
- 评估器（VM）：依据动作及结果，判断任务进展。
三者共用一套参数，仅通过不同输入方式切换功能。
为防止模型“剧透未来”，Motus2 设计了“动作优先”（Action-first）因果流与掩码机制，确保块内自回归过程中，动作预测不依赖未来信息，而未来视频 token 可读取动作，价值查询可同时读取两者。
由此固化的因果链条为：生成动作 → 基于动作推演未来 → 评估未来价值。
该设计保留了联合训练优势，同时提升了部署灵活性：常规控制仅需生成动作，复杂规划或优化时再调用预测与评估能力。
闭环自进化：世界模型开始「用脑子」训练自己
Motus2 的革命性在于首次构建了“行动、预测、评估”的自进化正向飞轮，通过基于模型的强化学习（MBRL）与测试时规划（Inference-time Planning），将试错过程从物理世界移至模型“脑内”。
阶段一：决策前的「Best-of-N」推演
在执行动作前，Motus2 先生成 N 个候选动作，并在内部模拟器中推演每种可能性的后果。价值评估器迅速打分，选取最优解执行。这一机制赋予了机器人类似 AlphaGo 的推演规划能力。
阶段二：训练中利用「脑补未来」倒逼进化
在训练阶段，模型推演的未来画面与评分作为强化学习的奖励信号，直接微调动作策略。高分动作被强化，低分动作被抑制。
这一机制彻底改变了数据利用逻辑：失败轨迹不再是废料，而是教会模型“为何此路不通”的宝贵数据。
数据显示，在手机放置与多指操作任务中，基础策略成功率为 65%；引入 MBRL 优化后升至 72.5%；叠加推理时规划后，成功率进一步提升至 75%，整体提升 10 个百分点。
这意味着机器人可在无外部干涉下，依靠自我推演与评价实现策略持续进化。
破解「数据死穴」：13 万小时人类日常构建通天梯
面对机器人高精度遥操作数据稀缺的难题，生数科技提出颠覆性方案：利用海量人类第一人称视角数据，构建人类数据金字塔体系。
训练分为三个阶段：
- 单目 Ego 视频预训练：学习基础世界知识与行为变化规律。
- 双目视频—动作联合预训练：加入空间信息与三维手部姿态，掌握细粒度手—物交互规律。
- 机器人领域适配：利用少量机器人轨迹与人机对齐数据，将人类经验迁移至机器人控制空间。
实验表明，人类具身数据的 Scaling Law 依然有效。随着双目人类数据从 2,000 小时增至 20,000 小时，动作预测误差平滑下降。
在任务迁移实验中，纯人类数据预训练的成功率仅为 51%；经过金字塔体系训练并辅以百余小时领域对齐数据后，成功率飙升至 84%，提升幅度达 33 个百分点。
记忆与触觉：补全「时间神经」与「触感神经」
针对单帧视觉缺失历史信息与无法感知阻力的缺陷，Motus2 引入了长时记忆机制与全模态触觉专家。
记忆机制：治愈「金鱼脑」
Motus2 对比了滑动窗口、全局自回归及混合记忆等多种方案。实验显示，融合长时信息机制的模型在长上下文仿真与真机任务中表现优异，成功率达 57.5%，远超压缩历史信息的模型。
触觉专家：赋予指尖敏感神经
为解决视觉延迟与遮挡问题，Motus2 引入轻量级触觉专家模块。该模块复用主模型中间计算结果，兼顾了反馈频率与计算效率。
在抽纸杯与撕纸等对接触力敏感的实验中，引入触觉模块后，成功率从 60% 提升至 72.5%，净增 12.5 个百分点。
从 L3 到 L4：迈向自主世界智能体
Motus2 验证了“动作→预测→评估→改进”的完整路径，标志着生数科技从 L3“在世界中行动”向 L4“自主世界智能体”的关键跨越。
参考朱军团队提出的通用世界模型五级发展路线（生成世界、交互、行动、自主智能体、世界组织者），生数科技的产品演进脉络清晰：Vidu 积累动态生成能力，Vidu S1 探索实时交互，而 Motus 系列则致力于将预测与物理行动深度绑定。
Motus2 构筑了完整的生命周期闭环：行动 → 预测 → 评估 → 反馈 → 再学习。
尽管触觉跨本体迁移与长时程预测稳定性仍是行业挑战，但 Motus2 证明了世界模型具备在不依赖人类填鸭式教学的前提下，通过自我预测与反思不断进化的能力。
从被动执行脚本到主动权衡未来代价，具身智能的世界模型底座正加速演进。当机器学会“三思而后行”，物理世界的 AGI 时代已近在咫尺。
参考资料：
https://motus-robotics.github.io/motus2/
https://arxiv.org/abs/2608.30237
编辑：大卫