生数科技Motus2：用世界模型实现机器人策略的闭环自进化
一个能给自己打分的机器人模型
机器人拧灯泡时如果没对准螺纹，谁来告诉它错在哪？传统做法是让人反复示范正确操作，但现实场景千变万化，不可能每种情况都教一遍。更理想的状态是：机器人自己判断动作好坏，并据此调整下一次尝试。
生数科技最新发布的Motus2，正是朝着这个方向迈出的一步。它把三种能力——生成动作、预测后果、评估结果——集成到同一个模型里，形成一个可迭代的闭环。这不仅是技术组合，更是对“机器人如何持续进步”这一问题的新解法。
在前代Motus的基础上，Motus2进一步融合视觉、语言、动作与触觉信号。它既能执行任务，又能提前模拟“做完会怎样”，还能事后给自己打分。三者衔接起来，让模型具备初步的自我改进能力。
闭环怎么转起来的？
Motus2的核心机制可以用四个步骤概括：生成动作 → 预测后果 → 评估结果 → 更新策略。
首先，它的世界动作模型（WAM）负责输出下一步动作；接着，条件动作世界模型（AC-WM）基于当前状态和刚生成的动作，预测执行后的视觉结果；然后，价值模型（VM）对预测画面打分，判断这个结果是否接近任务目标；最后，高分动作在训练中获得更强的正向引导，低分动作则被逐渐抑制。
关键在于，整个流程严格遵循“动作优先”的时序逻辑：模型必须先决定做什么，才能看到预测结果。这避免了常见的“用未来帧反推动作”的作弊行为，确保学到的策略能在真实环境中泛化。
在推理阶段，Motus2采用Best-of-N规划：先生成多个候选动作，分别模拟执行后的画面，再由价值模型选出最优解。这相当于给机器人一次“脑内试错”的机会，优化当次决策。
而在训练阶段，这些打分被转化为策略更新信号。值得注意的是，只有动作生成部分的参数会被更新，预测和评估模块保持冻结，防止反馈信号干扰已学好的能力。
这种设计改变了失败数据的价值。过去，行业主要依赖“完美轨迹”，失败样本常被丢弃；现在，失败轨迹也能用于学习“哪些动作会导致不良后果”，从而帮助模型避开错误路径。
真机测试验证了闭环的有效性。在手机放置和多指操作任务中，基础策略成功率65%；仅加规划提升至67.5%；仅加基于模型的强化学习（MBRL）达72.5%；两者结合后达到75%，比基线高出10个百分点。
触觉和记忆：补上视觉看不见的信息
光靠摄像头，机器人很难判断手指是否真的夹稳了纸巾。视觉能看到手的位置，却难以感知接触力、滑动或形变。这对灵巧操作至关重要。
Motus2为此引入了一个轻量级触觉专家模块。它在短动作片段执行前读取最新触觉反馈，微调动作细节。巧妙的是，该模块复用主模型已计算的中间特征，无需重新运行整个视频骨干网络，兼顾了响应速度和计算效率。
在抽纸杯和撕纸任务中，加入触觉后平均成功率从60%升至72.5%，提升12.5个百分点。这说明，对于精细操作，触觉不是锦上添花，而是必要信息。
另一块拼图是记忆。当目标物体被遮挡或移动后，仅靠当前画面无法定位，机器人必须记住之前发生了什么。
Motus2默认缓存近期的真实观测序列。在“找隐藏方块”和“按历史提示操作按钮”两项测试中，保留完整历史信息的方案平均成功率达57.5%，明显优于压缩历史的版本。
这表明，对于依赖长期上下文的任务，原始观测本身包含不可替代的线索。当然，全量保存历史会增加存储和计算负担，目前的做法更像是一种阶段性妥协。业内也在探索其他方案，比如只保留关键帧或使用摘要机制，但物理世界的记忆问题尚无通用解法。
从人类经验到机器手：Ego数据的迁移路径
Motus2已在单手22自由度的Sharpa Wave和20自由度的WUJI Hand 2上部署，完成拧灯泡、翻书等任务。高自由度带来了操作灵活性，也大幅增加了学习难度——同一任务可能有多种手指配合方式，微小差异就会影响后续动作。
真正的瓶颈在于数据。生数科技选择了一条务实路径：以人类第一视角（Ego）操作视频为主干，再逐步迁移到机器人平台。
整套训练分为三步：
- 第一步，用大规模单目Ego视频预训练，学习物体运动和场景变化的基本规律；
- 第二步，引入双目视频和人类手部动作数据，细化交互细节；
- 第三步，通过机器人轨迹和人机对齐数据，将人类经验适配到机器手的控制空间。
这套Ego数据体系包含约13万小时人类操作视频，搭配百小时级的机器人及对齐数据。
对照实验显示，在相同微调流程下，仅用人类Ego数据预训练的模型，五项真机任务平均成功率为51%；加入机器人中间训练后，成功率跃升至84%，提升33个百分点。
这说明人类数据提供了丰富的世界知识和操作先验，而机器人数据则负责解决“如何用这只特定的手实现动作”的问题。毕竟，人手和机器手在尺寸、关节范围和驱动方式上存在差异，直接照搬不可行，必须经过适配。
团队还测试了双目数据规模的影响：从2000小时增至20000小时，人类动作预测任务的验证误差持续下降，未见明显饱和。这意味着，靠扩大人类操作数据来提升模型性能，这条路仍有空间。
从L3到L4：自主智能体还有多远？
生数科技将通用世界模型的能力演进划分为五级：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。
按照这一框架，Motus2已具备L3的核心能力：理解状态、预测动作后果、输出真实控制指令。而它尝试的闭环自进化机制，则开始触及L4的关键特征——自主决策、自主反馈、持续自我改进。
不过，从单次任务内的策略优化，到开放环境中的长期自主学习，差距依然显著。例如，触觉模型在不同机器人本体间的迁移仍困难；长任务中的预测累积误差可能失控；高效长期记忆机制尚未成熟；开放世界里的持续学习也缺乏可靠框架。
但Motus2至少证明了一点：世界模型可以不只是被动执行或预测，还能主动参与自身的改进过程。评价与反馈真正进入了学习闭环，这为具身智能的下一步发展提供了新思路。
项目主页和真机演示已公开，论文也同步发布。无论这条路径最终能否通向通用具身智能，Motus2确实让机器人离“会反思”更近了一步。