量子位
·
清华研究生开源大一统世界模型：性能超越硅谷标杆40%！
💡
原文中文，约4000字，阅读约需10分钟。
📝
内容提要
清华研究生团队推出的开源世界模型Motus，性能超越硅谷标杆40%。该模型整合视觉、语言、动作等五种智能范式，实现“看-想-动”的闭环，提升机器人预测能力，成功率达88%。Motus通过潜动作机制和三阶段训练流程，显著提高数据效率，标志着具身智能领域的重大突破。
🎯
关键要点
- 清华研究生团队推出的开源世界模型Motus，性能超越硅谷标杆40%。
- Motus整合视觉、语言、动作等五种智能范式，实现“看-想-动”的闭环，提升机器人预测能力，成功率达88%。
- Motus通过潜动作机制和三阶段训练流程，显著提高数据效率，标志着具身智能领域的重大突破。
- Motus在50项通用任务的测试中，成功率比国际顶尖的Pi-0.5提升了35%以上，最高提升幅度达40%。
- Motus采用Mixture-of-Transformer架构和Tri-model Joint Attention机制，将理解、视频生成和动作控制三种专家整合在一起。
- Motus通过光流技术和Delta Action机制，解决了机器人训练中的数据稀缺问题。
- Motus的三阶段训练流程包括视频生成预训练、潜动作预训练和特定本体微调。
- Motus在仿真榜单RoboTwin 2.0上，成功率达88%，在高难度任务中成功率飙升至95%。
- Motus的数据效率比对手提升了13.55倍，达到同样水平所需的数据量大幅减少。
- Motus由清华大学和生数科技联合发布，团队成员包括清华的硕士和博士研究生。
❓
延伸问答
Motus模型的主要创新点是什么？
Motus模型整合了视觉、语言、动作等五种智能范式，实现了‘看-想-动’的闭环，显著提升了机器人预测能力。
Motus在机器人任务中的成功率如何？
Motus在50项通用任务的测试中，成功率达88%，在高难度任务中成功率可达95%。
Motus是如何提高数据效率的？
Motus通过潜动作机制和三阶段训练流程，数据效率比对手提升了13.55倍，减少了达到同样水平所需的数据量。
Motus的训练流程包括哪些阶段？
Motus的训练流程包括视频生成预训练、潜动作预训练和特定本体微调三个阶段。
Motus模型的架构是什么？
Motus采用Mixture-of-Transformer架构和Tri-model Joint Attention机制，将理解、视频生成和动作控制三种专家整合在一起。
Motus模型的开发团队是谁？
Motus由清华大学的硕士和博士研究生团队与生数科技联合开发，主要负责人是毕弘喆和谭恒楷。
➡️
