生数科技发布Motus2世界模型，机器人开始闭环自进化

生数科技9月12日发布了新一代机器人世界模型Motus2。与前代只负责“看到状态就输出动作”的策略模型不同，Motus2试图让机器人在同一个模型里完成三件事：先决定做什么，再预测做完会发生什么，最后判断这个结果好不好，并把判断结果用来改进自己的策略。

这三种能力在技术上对应三个模块：生成动作的世界动作模型WAM、预测后果的条件动作世界模型AC-WM，以及评估结果的价值模型VM。它们串成一条“生成动作→预测后果→评估结果→更新策略”的链路，模型自己预测和评估出的结果成为改进策略的反馈，改进后的策略再进入下一轮迭代，量子位将其概括为对递归自我改进（RSI）的一次初步探索。

要让同一个模型既能干活又会预判，前提是它不能在动手之前“偷看”到动作执行后的画面。此前不少“视频生成+动作控制”方案就是因为模型学会用未来的视觉帧反推当前动作，在训练集上看着聪明，一到真实环境就失效。Motus2从中间训练阶段起采用Action-first的信息流，规定先根据当前观测生成动作，再预测结果，最后评估结果好坏。

具体实现分成推理和训练两条线。推理阶段用Best-of-N规划：模型并行设想若干候选动作及其后果，由价值模型打分，挑分数最高的执行，执行一小段后重新观察真实世界再进入下一轮。训练阶段则把候选动作的评分转化成策略更新信号，分数高的方案获得更强的正向引导，团队称之为基于模型的强化学习（MBRL），并且只更新动作相关参数，保持预测和评估部分不动，避免反馈把已经学好的模型带偏。

真机数据给出了这套闭环的初步效果。在手机放置和多指操作两项任务中，基础策略平均成功率为65%；只加规划提升到67.5%，只加MBRL达到72.5%，两者叠加达到75%，比基础策略高出10个百分点。

除了自进化，Motus2还在视觉、语言、动作之外补上了触觉和记忆两块拼图。触觉方面，它接入一个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来细化动作，并复用主模型已经算出的中间结果以控制计算开销；在抽取纸杯和撕纸两项真机任务中，加入触觉后平均成功率从60%提升到72.5%。记忆方面，Motus2默认缓存近期的真实观测，在寻找隐藏方块、依据历史提示操作按钮两项测试中，保留完整历史信息的方案平均成功率为57.5%，明显高于压缩历史的方案。

部署层面，Motus2已经跑在单手22自由度的Sharpa Wave和单手20自由度的WUJI Hand 2等灵巧手平台上，完成拧灯泡、翻书、多指操作等任务。支撑它的是约13万小时人类第一视角（Ego）数据，配上百小时级的机器人轨迹与人机对齐数据，训练分三步走：单目Ego视频预训练、引入双目视频和人类动作数据、再到机器人领域适配。一组对照实验显示，只经过人类Ego数据预训练的模型在五项真机任务上平均成功率51%，加入机器人领域中间训练后升到84%，提升33个百分点。

生数科技把通用世界模型的演进分为五级，从L1生成世界、L2与世界交互、L3在世界中行动，到L4自主世界智能体、L5世界组织者。按这套分级，Motus2已经具备L3的核心能力，并开始触碰L4中“自主决策、自主反馈、持续自我改进”的部分。

团队也坦承距离还很远：触觉数据在不同机器人本体之间的迁移依然困难，长任务中的预测可靠性、长期记忆效率以及开放世界里的持续学习都待探索。对具身智能来说，Motus2真正的信号不是又一次成功率刷新，而是评价与反馈开始作为闭环的一部分进入世界模型本身。