新智元报道
早晨厨房传来的轻微碰撞声，是机器人管家X1在准备早餐；推门回家，它已夹着拖鞋送上专属问候：“公主，请换鞋。”然而，逗猫手法、迎接仪式等个性化服务，出厂无法预装，也难以穷举。
为此，诺因（Knowin）发布了生成式学习框架GLOW（Generative Learning of World）。他们认为，机器人走进千家万户的关键在于“理解人的技能并泛化执行”。只需用户亲自演示一遍，机器人即可“一教就会”。
家庭场景的商业化不会从通用能力开始，而会从有限、高频、可验证的任务集合切入。
同时，家中有老人、儿童、宠物及明火化学品，安全是进入家庭的准入门槛，而非加分项。
“一教就会”：打造专属个性化管家
诺因公布了四组实机对照实验，展示机器人学习人类操作后的泛化执行能力：
开盒收纳：机器人能泛化识别不同物品与位置，完成开盖、放入、合盖的连贯动作。动作仅教一次，即可利用现场反馈成功泛化到多种物体。
左：人展示开盒收纳；右：机器人换了物品照做
浇花：面对不同颜色、大小的水壶，机器人能准确抓持，并将学到的抓持、朝向和倾斜关系映射到新水壶上，还原浇花动作。
左：人用黑色细嘴壶浇水；右：机器人换成绿色浇水壶照做
擦桌子：机器人不仅学会了擦桌子，还复刻了人类沿心形轨迹擦拭的个人习惯，将“任务目标”与“个人习惯”一同掌握。
左：人沿心形轨迹擦桌；右：机器人复现
调酒：机器人能准确识别物品，将取杯、倾倒、回正、放回等多步骤串联成完整流程，适应位置与顺序的变化。
左：人依次取杯调酒；右：机器人复现完整流程
四组任务中，模型权重未做任何微调，机器人仅通过观看演示即可上手。在RoboDojo的18项复杂任务中，GLOW平均成功率达62.2%，大幅领先GPT-6；在LIBERO-Pro榜单中以86.7%的成绩位列单模型第一；在Embodied Arena的2D-Embodied QA榜单中勇夺综合得分第一。
核心解密：原生自回归才是行业最优解
GLOW的核心在于其原生统一的自回归模型KnowinGlow。当机器人观看操作视频时，技能编码器会将连续的视觉经验压缩为可复用的技能上下文，提取操作对象、放置区域、动作顺序等任务结构。
执行时，模型将上下文、实时画面、语言指令与机器人状态融合，逐Token生成判断与动作。它还能结合实时观察，将过往“教学”融入当下的自回归生成，自主规划路线避开障碍。
相较于行业常见的VLA（视觉-语言-动作）路线或计算开销巨大的WAM（世界动作模型）路线，GLOW将视觉、语言、动作编织进同一条序列。BrainSkill负责空间理解与语义落地，ActSkill负责闭环动作生成，真正实现了“大脑”与“双手”在同一模型中的统一。
模型直接将物理世界信息连缀成“长文章”，并精准生成末端执行器的三维位姿、相对平移与旋转增量，控制精确到毫米，而非模糊的指令。
Harness系统与闭环反馈：赋予机器人“痛觉”与“记忆”
在真实物理世界中，机器人必须具备应对突发阻力的能力。诺因引入Harness任务运行系统，为机器人提供类似人类的“痛觉”反馈。系统每执行一个动作都会获取执行回执，一旦发现位移残差（如遇到物理阻力），便连同夹爪状态与新画面进入下一轮上下文，由“大脑”决定继续用力或更换姿态。
在与号称AGI的GPT-6 Astra的对比测试中，GLOW优势显著：
开底层抽屉：GPT-6 Astra纠正1200步仍失败；GLOW靠回执发现受阻，调整姿态后1138步成功开启。
抓瓶放碗：GPT-6 Astra耗时863步且未达标；GLOW仅用157步，间距精准至6.9毫米。在靠近目标时，GLOW会切换为小幅微调，并在抓取后通过“试拉”确认夹牢，展现出极具物理常识的本能。
终极杀器：RSI实现机器递归自我进化
在非标家庭场景中，海量数据采集难以实现。GLOW通过KnowinDream数据生成引擎自主“造数据”。该引擎可生成虚拟家庭场景，并将真机运行的成功、失败与恢复经验回流，扩增相似情况交由KnowinWorld进行低成本的纯物理状态推演，在脑内完成千万次试错。
最关键的是，真实执行结果会与模型预测进行对照，偏差用于持续校准模型。由此形成“模型变强 → 数据变好 → 下一代模型更强”的递归增强闭环。诺因将此称为面向物理世界的递归自我改进（RSI）。
同时，安全闸门贯穿始终：每次能力升级均需在内部验证，通过任务完成率、恢复率与安全回归三道检查方可实装，一旦发现退步立刻回滚。
物理世界的AGI：从通用认知走向个性化落地
诺因的商业化路径清晰：从有限、高频、安全的任务切入，以“一教就会”的交付方式打通个性化服务的最后一公里。工程师无需上门采集数据重新微调，用户只需演示一遍。
2026年9月，GPT-6 Astra证明了通用大模型认知能力已触及物理世界边缘，而GLOW则走通了另一条实用之路：架构统一于自回归，世界模型追求决策有用，数据通过RSI闭环持续迭代。
计划于明年发布的X1机器人，折叠收纳高度不到40厘米。未来，你想让它说什么、怎么擦桌子，只需教它一遍。