生数科技发布世界模型Motus2，开启机器人闭环自进化

机器人学习拧灯泡，拧歪了之后谁来纠错？人类不可能替机器人示范所有异常情况。要让机械臂越做越好，核心在于让机器具备评价动作后果的能力，并借此持续反思与学习。

生数科技发布新一代世界模型 Motus2，尝试将具身智能推向“自我进化”的研究深水区。模型集成了行动、预测与评估三种能力，同时融入触觉反馈、长程记忆以及大规模第一视角（Ego）人类数据迁移。

行动、预测与评估形成闭环

传统机器人策略模型以“看到状态 A 便执行动作 B”为主，只记忆统计关联，并不理解因果逻辑。一旦外部环境出现扰动，策略容易瞬间失效。

Motus2 则在单一模型中整合了三大核心能力：

• 行动（WAM）：世界动作模型负责生成动作，解决“下一步做什么”；
• 预测（AC-WM）：条件动作世界模型负责脑补后果，解决“做完会发生什么”；
• 评估（VM）：价值模型负责打分，解决“这个结果好不好”。

这三项能力紧密咬合，构成了“生成动作→预测后果→评估结果→更新策略”的反馈链条，也是 Motus2 对递归自我改进（Recursive Self-Improvement，RSI）的初步落地。

为了避免模型在执行动作前提前“偷看”到未来帧而产生时序作弊，Motus2 在机器人训练阶段采用了 Action-first（动作优先）的信息流设计：必须先根据当前观测决策动作，再去预判结果并评估优劣。

在推理阶段，Motus2 采用 Best-of-N 规划机制：模型预先构想若干候选动作，在脑海中推演画面并打分，挑选最高分方案下发执行。执行一小段后，重新校准真实世界输入。

在训练阶段，候选动作的评分会转化为策略更新信号，高分路径获得强化，低分动作被逐步淘汰。通过基于模型的强化学习（MBRL），失败轨迹不再被视作废弃噪声，而是成为理解错误动作后果的负样本。

真机实验显示，在手机放置与多指操作任务中，基础策略平均成功率为 65%；结合规划与 MBRL 后，成功率提高至 75%，相比基线提升了 10 个百分点。

补齐触觉与记忆短板

在灵巧操作中，纯视觉常常存在遮挡盲区，也难以判断手指与物体的微小滑移。Motus2 新增了轻量级触觉专家模块，在短动作执行前读取传感器反馈以微调姿态。该模块直接复用主干网络的计算特征，兼顾了低延迟与低算力开销。在抽取纸杯和撕纸两项任务中，引入触觉后真机成功率由 60% 提高到 72.5%。

针对长期任务，Motus2 建立了历史观测缓存机制。在杯中藏物等需要记忆先验的测试里，保留完整历史上下文的方案取得了 57.5% 的成功率，显著优于压缩历史信息的方案，验证了时序记忆在具身决策中的必要性。

将人类经验迁移至高自由度灵巧手

Motus2 已部署在单手 22 自由度的 Sharpa Wave 和单手 20 自由度的 WUJI Hand 2 等硬件平台上，能够完成拧灯泡、翻书和精细多指操作。

为解决高自由度灵巧手的数据匮乏难题，团队构建了分层的人类第一视角数据体系：

1. 利用约 13 万小时单目 Ego 视频进行预训练，学习常识物理规律；
2. 引入双目视频与人类动作数据，捕捉手部与物体的精细交互；
3. 通过百小时级机器人真机数据和人机对齐数据，将知识迁移至机器人动作空间。

实验表明，仅靠人类 Ego 数据预训练的模型，五项真机任务成功率为 51%；经过机器人域适配后，成功率跃升至 84%，提升达 33 个百分点。将双目数据从 2000 小时提升到 20000 小时后，预测误差呈持续下降趋势，证明扩充第一视角人类数据仍然具备明确的 Scaling 效应。

通向自主世界智能体

在世界模型演进路径中，生数科技将其划分为五个阶段：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 已经完整覆盖了 L3 阶段的行动与预测要求，并借助评价与策略自迭代机制，初步触碰了 L4 阶段的自主反馈与进化边界。尽管跨机械臂本体的触觉泛化、超长任务推理效率依然面临挑战，但将动作评估转化为自我迭代信号，已为具身智能走出了一条清晰的技术闭环路径。

更多技术细节可参阅 Motus2 项目主页与真机演示 与 arXiv 论文。