生数科技Motus2：构建具身智能闭环，探索机器人递归自我进化

事件概述

生数科技发布了新一代世界模型 Motus2，旨在解决具身智能中机器人缺乏因果认知和持续学习能力的痛点。与传统仅依赖“状态-动作”统计关联的模型不同，Motus2 构建了包含行动生成、后果预测和价值评估的闭环系统，初步实现了递归自我改进（Recursive Self-Improvement, RSI）。该模型在视觉、语言、动作及触觉等多模态融合上进行了深度拓展，并在高自由度灵巧手平台上完成了多项复杂任务的部署与验证。

核心信息

1. 闭环自进化机制（RSI）

Motus2 的核心突破在于将三种关键能力整合于同一模型中，形成反馈闭环：

• 行动（WAM）：世界动作模型负责根据当前状态生成下一步动作。
• 预测（AC-WM）：条件动作世界模型用于预测执行动作后的环境变化。
• 评估（VM）：价值模型对预测结果进行打分，判断动作优劣。

技术实现路径：

• Action-first 信息流：严格遵循“先观测生成动作 -> 再预测后果 -> 最后评估结果”的时序逻辑，防止模型在训练中出现利用未来帧反推当前动作的“作弊”行为。
• 推理阶段 Best-of-N 规划：模型生成多个候选动作，分别模拟其后果并由价值模型打分，选择最优方案执行。这类似于基于模型的强化学习（MBRL）中的模拟优化。
• 训练阶段策略更新：将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，保留预测和评估模块的稳定，从而实现基于反馈的策略迭代。

效果验证：
在手机放置和多指操作的真机任务中，基础策略成功率为 65%；加入规划后提升至 67.5%；加入 MBRL 后达到 72.5%；两者结合最高达 75%，较基础策略提升 10 个百分点。

2. 全模态增强：触觉与记忆

为弥补纯视觉感知的局限，Motus2 引入了触觉和记忆机制：

• 轻量级触觉专家模块：复用主模型中间结果以兼顾计算效率，在短动作片段前读取最新触觉反馈以细化动作。在抽取纸杯和撕纸任务中，加入触觉后平均成功率从 60% 提升至 72.5%（+12.5%）。
• 记忆缓存机制：针对需要长期上下文的任务（如寻找隐藏物体），默认缓存近期真实观测而非压缩历史。实验表明，保留完整历史信息的方案在相关测试中平均成功率达 57.5%，显著优于压缩方案，证明历史信息是决策的关键组成部分。

3. 数据体系：Ego 数据迁移

Motus2 采用多层次的人类第一视角（Ego）数据体系进行训练，以解决高自由度灵巧手的数据稀缺问题：

• 训练三步走：
  1. 单目 Ego 视频预训练：利用大规模人类操作视频学习基础物理规律。
  2. 双目视频与人类动作数据：学习细粒度的手部交互信息。
  3. 机器人领域适配训练：使用机器人轨迹和人机对齐数据进行控制空间迁移。
• 规模与效果：数据集包含约 13 万小时人类第一视角数据和百小时级机器人数据。对照实验显示，仅经人类 Ego 数据预训练的模型五项任务平均成功率为 51%，加入机器人中间训练后跃升至 84%（+33%）。
• 数据扩展性：增加双目数据量（从 2000 小时至 20000 小时）可持续降低人类动作预测误差，未见明显性能天花板。

值得关注

• 能力层级定位：按照生数科技提出的世界模型五级演进路线（L1-L5），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”中关于自主反馈和自我改进的关键环节。
• 失败数据的价值重构：在闭环机制下，失败轨迹不再被视为噪声，而是用于学习动作后果与评价，帮助模型识别无效动作，改变了传统高度依赖完美示范的数据处理范式。
• 局限性与挑战：尽管取得了进展，但从单次任务优化到开放世界的长期自主学习仍有距离。触觉数据在不同本体间的迁移、长任务预测的可靠性以及长期记忆的效率仍是待解难题。