生数科技发布Motus2：世界模型打通具身自进化闭环

机器人学习拧灯泡时，如果动作拧歪了，谁来指出问题并在下一次做出修正？

具身智能的终极目标之一是「自进化」：现实场景千变万化，人类无法穷尽所有示范轨迹。机器人要想持续提升操作水平，必须具备评估动作结果并从中自我修正的能力。

生数科技近日发布了第二代世界模型 Motus2，在具身智能的核心深水区给出了系统性方案。该模型集成了触觉感知、灵巧操作、第一视角（Ego）数据迁移以及自我闭环进化，在一个大模型中同时融合了行动、预测与评估三种核心能力。

构建「行动-预测-评估」闭环，探索递归自改进

传统机器人策略多采用模仿学习范式，仅记录「看到当前状态 A 就执行动作 B」的表面关联，缺乏对物理因果的理解，环境稍有变化便容易失效。

Motus2 打破了这一局限，在统一架构中整合了三大模块：

• 行动（WAM 世界动作模型）：根据当前观测生成动作，回答「接下来做什么」；
• 预测（AC-WM 条件动作世界模型）：模拟动作执行后的环境演变，回答「做完后会发生什么」；
• 评估（VM 价值模型）：评判预测状态的优劣，回答「这个结果好不好」。

这三项能力首尾相接，形成了完整的决策演化链路：生成动作 → 预测后果 → 评估结果 → 更新策略。模型自身的预测与评估结果，直接转化为优化策略的反馈信号，形成了递归自我改进（RSI）的雏形。

为了避免模型在训练时利用未来帧「时序作弊」，Motus2 在中间训练阶段引入了「动作优先（Action-first）」信息流，严格限定模型必须先生成动作，再脑补未来画面，最后给出评分。

在落地应用上，这套机制分为推理和训练两个层面：

• 推理阶段（Best-of-N 规划）：模型在动作执行前预先构思多个候选动作，脑补执行画面后交由价值模型打分，挑选最高分方案执行。这相当于机器人做决策前在「脑海」中推演多种解法。
• 训练阶段（基于模型的强化学习，MBRL）：候选动作的评分会转化为策略参数的更新梯度，正向引导高分动作。此阶段仅更新动作生成参数，固定预测与评估模块，确保基座稳定。

这种架构也改变了具身数据的利用方式。以往被视作噪声的失败轨迹，现在能够用来学习因果边界，帮助模型识别无效操作。真机测试显示，在手机放置与多指操作任务中，基础策略成功率为 65%，引入规划与 MBRL 后整体成功率提升至 75%。

触觉与记忆模块：补全视觉感知盲区

纯视觉方案在灵巧操作中往往面临遮挡与受力未知等痛点。例如双手撕纸，仅凭图像无法确认纸张是否已被夹稳或产生微小打滑。

Motus2 引入了轻量级触觉专家模块。该模块复用主干模型的中间计算特征，在执行短动作片段前快速读取最新触觉反馈进行微调，既规避了挂载外置大模型带来的推理延迟，又保证了高频响应。在纸杯抽取与撕纸测试中，加入触觉后成功率从 60% 跃升至 72.5%。

针对长期交互任务，Motus2 配备了记忆机制。在寻找被遮挡方块等需要上下文推断的测试中，保留完整历史观测方案的成功率为 57.5%，显著优于压缩历史的方案。这表明在复杂的物理交互中，高保真历史轨迹对精准决策至关重要。

13万小时人类数据，迁移至高自由度灵巧手

Motus2 已在拥有 20 至 22 个单手自由度的 Sharpa Wave 和 WUJI Hand 2 等灵巧手平台上部署，完成了翻书、拧灯泡等多指协同任务。

自由度的大幅增加带来了数据稀缺挑战。Motus2 选择以人类第一视角（Ego）经验为主要数据来源，分三步完成控制迁移：

1. 单目 Ego 视频预训练：理解通用物体形态与场景物理规律；
2. 双目视频与人体动作学习：捕捉精细的手物交互细节；
3. 真机适配训练：利用数百小时的人机对齐与真机轨迹，将人类动作映射到机械手的控制空间。

对比实验表明，仅使用人类数据预训练的模型在五项真机任务中的平均成功率为 51%；加入机器人域适配后，成功率跳升至 84%，大幅提升 33 个百分点。同时，将双目人类数据从 2000 小时提升至 20000 小时后，动作预测误差持续走低，显示出人类数据规模化扩展的强大潜力。

迈向 L4 自主世界智能体

业内普遍将通用世界模型的演进划分为五个阶段：L1 生成世界、L2 交互世界、L3 在世界中行动、L4 自主世界智能体、L5 世界组织者。