生数科技发布Motus2世界模型
模型AI 评分 75/100量子位待复核
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
生数科技发布具身智能世界模型Motus2，集成视觉、语言、动作与触觉模态。该模型通过行动、预测、评估三种能力形成闭环，实现递归自我改进（RSI）。在手机放置和多指操作任务中，结合规划与强化学习，成功率从65%提升至75%。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载实现自进化闭环
Motus2将行动、预测、评估三种能力整合于同一模型中，构建了生成动作、预测后果、评估结果并更新策略的闭环。这种设计旨在解决传统策略模型缺乏因果认知的问题，使模型能利用自身反馈持续改进策略。团队采用Action-first信息流，确保模型在生成动作时无法“偷看”未来结果，从而避免时序作弊，保证在真实场景中的有效性。
规划与训练机制
在推理阶段，Motus2利用Best-of-N规划方法，生成多个候选动作并模拟后果，由价值模型打分后择优执行。在训练阶段，候选动作的评分转化为策略更新信号，仅更新动作相关参数，保持预测和评估部分稳定。这种机制让失败轨迹也能发挥作用，帮助模型识别无效动作，不再单纯依赖“完美轨迹”进行学习。
多模态与实测表现
Motus2在前代基础上新增触觉和记忆模态，补全视觉缺失的信息，以提升灵巧操作能力。真机测试数据显示，在手机放置和多指操作任务中，基础策略平均成功率为65%。单独加入规划后成功率升至67.5%，单独加入基于模型的强化学习达到72.5%，两者结合最终达到75%，比基础策略高出10个百分点。
为什么值得看
探索机器人自我进化路径，提升多模态具身智能任务表现。
强化学习
信源1 家
关键事实
相关 · 模型
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。