生数科技直播Motubrain 2.0训练全流程，为期半个月
模型AI 评分 72/100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。
10月21日，生数科技世界模型团队开启Motubrain 2.0训练全流程公开直播，计划持续半个月。Motubrain系列是面向机器人的具身模型，目标是让机器人在不同任务、场景和本体之间泛化能力。直播覆盖预训练、后训练、Agent任务执行和RSI递归自我改进四个环节，分别观察训练规模对性能与零样本泛化的影响、具体任务执行能力的提升、经验向其他任务迁移的可能性，以及模型能否依据执行反馈改进自身行动。Motubrain 2.0即将开源，团队在开源前先公开训练、测试到能力迭代的过程，包括失败与试错。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载训练直播持续半月
生数科技Motubrain团队于10月21日启动了一场训练直播，计划持续半个月。这场直播展示Motubrain 2.0的训练全流程，核心聚焦Physical AI如何实现这一问题。Physical AI需要解决动作决策、任务执行和跨场景泛化等挑战，而直播正是围绕这些环节展开。与过去外界主要通过Demo、评测结果和论文了解进展不同，此次直播尝试打开具身模型训练的黑盒，将失败与试错过程一并呈现。
四环节拆解训练流程
公开的训练流程包含预训练、后训练、Agent任务执行和RSI四个环节。预训练环节观察训练规模对性能和零样本泛化的影响；后训练针对具体任务进行训练，提升任务执行能力；Agent任务执行探索模型能否把已有经验迁移到其他任务；RSI则研究模型能否依据执行反馈评估并改进自身行动。这四个环节依次衔接，覆盖从基础能力构建到任务适配、经验迁移与自我改进的完整路径。
开源前的流程公开
Motubrain系列是生数科技研发的具身模型，为机器人构建具备通用能力的大脑，探索不同任务、场景和机器人本体间的泛化。Motubrain 2.0即将开源，开源前先公开训练流程，让外界看到模型训练的实际过程。相关研究仍处探索阶段，效果需后续实验和评测验证。对读者而言，这场直播提供了观察具身模型训练细节的窗口，而开源后的实际表现仍有待检验。
为什么值得看
具身模型训练通常只以Demo和论文示人，此次把训练全过程摊开，可观察能力如何形成。
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。