探索RSI，生数新世界模型让机器人开始自我进化
内容提要
生数科技发布世界模型Motus2，使机器人通过“行动—预测—评估”闭环实现自进化，并融合触觉与记忆。真机测试中，规划加强化学习将成功率提升10个百分点，触觉提升12.5个百分点。模型基于13万小时人类第一视角数据训练，具备L3“在世界中行动”能力，向自主智能体迈进。
延伸解读
自进化闭环的边界与意义
Motus2通过“行动—预测—评估”闭环实现策略自我改进，但文章明确指出，这并非开放环境中的无限自主学习，而是利用模型自身预测和价值反馈持续优化策略。这种自进化仍受限于训练数据和任务范围，距离真正的自主智能体还有差距。读者应理性看待其能力边界，避免过度解读为通用自我进化。
触觉与记忆的务实设计
触觉专家模块复用主模型中间结果，避免额外计算开销，在撕纸等任务中成功率提升12.5个百分点。记忆机制则默认缓存近期真实观测，在隐藏方块任务中完整历史方案成功率达57.5%，高于压缩方案。这些设计针对灵巧操作和长期上下文任务的实际痛点，但文章也承认记忆压缩仍是阶段性妥协，长期效率问题待解。
人类Ego数据的关键作用
Motus2基于约13万小时人类第一视角数据训练，分三步迁移到机器人。对照实验显示，仅用人类Ego数据预训练的五项真机任务平均成功率为51%，加入机器人中间训练后跃升至84%。这表明人类数据提供规模化世界知识，机器人数据完成控制适配。但人手与灵巧手差异意味着迁移仍需精细调整，数据规模扩展尚未见天花板。
从L3向L4的挑战
按生数科技的分级，Motus2具备L3“在世界中行动”能力，并开始触碰L4自主世界智能体的核心——自主决策与持续自我改进。然而，触觉数据跨本体迁移困难、长任务预测可靠性、长期记忆效率及开放世界持续学习等挑战依然存在。Motus2验证了评价与反馈进入世界模型闭环的可行性，但迈向L4仍需大量探索。
Q&A
Motus2是什么？它有什么核心特点？
Motus2是生数科技发布的世界模型，核心特点是让机器人通过“行动—预测—评估”闭环实现自进化，并融合触觉与记忆。它在一个模型中同时具备行动、预测、评估三种能力，形成闭环，并基于13万小时人类第一视角数据训练，具备L3“在世界中行动”能力。
Motus2如何实现机器人的自我进化？
Motus2通过“行动—预测—评估”闭环实现自进化：模型先根据当前观测生成动作，再预测动作后果，然后评估结果好坏，并将评估结果作为反馈更新策略，形成迭代。推理阶段使用Best-of-N规划，训练阶段采用基于模型的强化学习（MBRL），只更新动作相关参数。
Motus2在真机测试中的表现如何？
在手机放置和多指操作两项真机任务中，基础策略平均成功率为65%；单独加入规划提升至67.5%；单独加入基于模型的强化学习达到72.5%；两者结合达到75%，比基础策略高10个百分点。加入触觉后，在抽取纸杯、撕纸任务中平均成功率从60%提升至72.5%，提升12.5个百分点。
Motus2如何处理触觉和记忆信息？
Motus2加入轻量级触觉专家模块，在短动作片段执行前读取最新触觉反馈细化动作，并复用主模型中间结果以兼顾反馈频率和计算开销。记忆方面，默认缓存近期真实观测，在寻找隐藏方块等任务中保留完整历史信息的方案平均成功率达57.5%，高于压缩历史信息的方案。
Motus2使用了什么样的数据训练？
Motus2使用约13万小时人类第一视角Ego数据，配上百小时级机器人及人机对齐数据。训练分三步：单目Ego视频预训练、引入双目视频和人类动作数据、机器人领域适配训练。对照实验显示，仅用人类Ego数据预训练的模型五项真机任务平均成功率51%，加入机器人中间训练后提升至84%。
Motus2在世界模型分级中处于什么水平？
生数科技将通用世界模型演进分为五级：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已具备L3“在世界中行动”的核心能力，并开始触碰L4“自主世界智能体”的部分，如自主决策、自主反馈和持续自我改进。
