面向机器人灵巧操作的「自进化通用世界模型」，生数 Motus2 来了！

世界模型的关键，不止是预测下一帧画面，更是能预演行动后果、判断怎样做更好，并把这些评估用于持续改进行动策略。

让机器人把手动起来，和让它真正拥有一双 "巧手"，还有一段距离。它需要从人类操作中学习经验，也需要在与物体交互时感知变化、调整动作，逐步积累自己的 "手艺"。

在前代 Motus 基础上，Motus2 从大规模第一人称人类操作数据中学习：从单目视频到双目视频与人类动作，再通过机器人轨迹和人机对齐数据，将这些经验迁移到灵巧手操作中。

在模型侧，Motus2 将行动、预测、评估三种能力统一进同一个共享参数的模型。它可以生成候选动作，预演这些动作可能带来的结果，再判断哪一种更有助于推进任务。这些评估既能用于规划时的动作选择，也能在进一步训练中用于更新策略，形成 "生成动作 → 预测未来 → 评估结果 → 更新策略" 的闭环。

针对灵巧操作中的接触问题，Motus2 还引入了轻量触觉专家模块，根据最新的触觉反馈细化动作，让操作调整有视觉之外的接触依据。

举个假想的例子：一个机器人正在学煎蛋。如果只复现教学视频里的手势，鸡蛋一滑、锅的位置一变，原来的动作就未必管用了。一个会思考的学徒，则会先比较几种办法：这样拿稳不稳？换个角度会怎样？哪一种更有可能把蛋煎好？真正动手时，还要根据手指与鸡蛋的接触调整力度；继续学习时，再把对不同做法的判断转化为更熟练的操作。

先想清这一步，再学好下一步。Motus2 所追求的「自进化」，就是让对行动后果的判断，持续推动操作能力的进步。

三个关键词，看懂 Motus2

第一，首个全模态统一世界模型

在视觉、语言与动作之外，Motus2 进一步引入触觉专家模块，让机器人不仅能 "看见" 物体，也能感知接触状态的变化，支持更精细的灵巧操作。

第二，首次实现闭环自进化迭代

一个模型同时承担策略、模拟器和评估器，让机器人可以利用自己的世界模型产生反馈，再反过来优化自己的行动策略。

第三，首个高自由度灵巧手世界模型

Motus2 以大规模纯人类第一视角（Ego）数据进行预训练，结合百小时级机器人领域中间训练和目标任务微调，已部署在单手 22 自由度 Sharpa Wave 和单手 20 自由度 WUJI Hand 2 等触觉灵巧手上。

约 13 万小时第一人称人类数据构成的多层次 Ego 数据体系，从人如何操作物体，到机器人真正完成动作，Motus2 正在尝试把人类已有的大规模操作经验，迁移给机器人。

01｜先看真机：拧灯泡、撕纸、翻书、找东西

先不讲模型，先看机器人能做什么。

对准灯座，把灯泡旋转安装直至点亮；双手配合撕下厨房纸；甚至记住此前看到的信息，在多个杯子中找到被隐藏的方块。

这些动作对人来说很自然，对机器人却并不简单。尤其到了灵巧手阶段，问题已经不只是 "能不能抓起来"，而是：怎么捏、怎么转、什么时候松手、力度是否合适、接触状态有没有变化。

Motus2 已公开翻书、开易拉罐、擀面团、多指抓取、拧灯泡、双手撕纸、寻找隐藏物体等一系列真机演示，有的需要双手配合，有的依赖持续接触反馈，还有的必须记住此前看见的信息。

02｜一个模型，打通行动、预测与评估的闭环

以模仿学习为主的传统机器人策略模型主要解决一个问题：现在看到这个状态，下一步做什么？

而面对位置、姿态不断变化的物体，机器人还需要进一步判断：这一步做下去，结果会怎样？

Motus2 则把这个问题交给同一个视频 — 动作模型中的三种能力：

行动（Policy / WAM）：生成机器人动作；
预测（Simulator / AC-WM）：预测动作执行后世界会发生什么；
评估（Evaluator / VM）：判断结果是否更接近任务目标。

简单来说，就是同时回答三个问题：下一步做什么？做完会发生什么？这个结果好不好？机器人不再只是执行动作，也开始拥有理解行动后果、判断行动价值的能力。

训练时，还要守住一个顺序：动作依据当前已有的信息生成，不能提前 "偷看" 未来答案；预测再读取候选动作，评估最后结合动作和预测结果做判断。普通控制可以只生成动作，需要规划或策略学习时，再调用预测与评估能力。

把三种能力放进同一个模型，只是第一步。更关键的是，让预测和评价真正参与动作改进：训练时，让模型学着提出更好的动作；执行时，从候选动作中挑选更好的方案。临场选对一次，与下一次更容易做对，是两种不同的进步。

先看它怎样 "学得更好"。训练时，模型生成多个候选动作，预测它们可能带来的未来状态，再由价值模型判断哪些结果更有利于完成任务。这些评分会进一步用于更新机器人策略。

让高价值动作更容易被提出，让低价值动作逐渐减少。这一阶段只更新动作相关参数，预测和评估部分保持不变，避免改进动作时连判断依据也一起变动。

也就是说：模型自己预测出来的未来，开始成为训练自己的反馈。

这也让失败数据变得更有价值。

假如一次抓取用力不当，杯子被挤变形了，这个动作当然不该照着学。但 "这样做会带来什么结果"，恰恰是机器人需要补上的经验。

因此，成功轨迹告诉机器人 "应该怎么做"；失败和次优轨迹则帮助它理解：做了什么、世界发生了什么、为什么没有完成任务。失败的动作不值得照搬，失败带来的信息却值得留下。

在真正执行动作之前，Motus2 还可以通过 Best-of-N 机制 "多想一步"：提出多个候选动作，分别预测结果并评分，再选择更优方案执行。做完一段动作，它重新读取现场的真实变化，再规划下一步。这里的 "多想一步"，改变的是本次选择，不会直接更新模型参数。

在手机放置与多指操作两项真机任务中，基于模型的强化学习将平均成功率从 65% 提升至 72.5%；进一步加入推理时规划后，达到 75%。相比基础模型，提升 10 个百分点。

03｜13 万小时人类数据，持续提升模型能力

机器人数据昂贵，很难像互联网视频一样快速扩展。但人类每天都在和真实世界交互。拿杯子、开瓶盖、翻书、整理物品，本身就是天然的大规模操作数据。

问题是：能不能先让模型从这些经验中学习，再把学到的本领迁移给机器人？

Motus2 因此构建了一套多层次 Ego 数据体系，底层是约 13 万小时第一人称人类数据，包含单目与双目来源。所谓第一人称，就是从操作者自己的视角，看手怎样与物体打交道。整个训练路径可以概括为三步：

首先，先看人怎么做。通过大规模单目 Ego 视频，广泛学习拿取、移动、接触等操作中的物体变化，学习基础世界知识和操作规律。

然后，再理解手与物体的关系。加入双目视频和动作数据，补充深度线索，进一步学习更细粒度的空间位置关系和手 — 物交互信息。

最后，迁移到机器人身体。人手与灵巧手并不完全相同，存在视觉和形态上的差异，看到人会做，不等于机器人已经会做。通过 100 多小时机器人轨迹与人机对齐数据，把人类经验适配到真实机器人的控制空间。

实验也显示，在当前测试范围内，随着双目数据从 2000 小时增加到 2 万小时，模型的人类动作预测误差持续下降。更多高质量人类交互数据，依然能够持续提升模型能力。

04｜灵巧操作，不只是 "看得准"，还要 "记得住、摸得到"

真正进入复杂物理世界，还有两个能力绕不开：记忆和触觉。

比如，一个方块被藏在三个杯子中的一个下面。等杯子重新摆好后，仅看当前画面已经无法判断目标在哪。

机器人必须记得：刚才发生了什么。

Motus2 因此进一步研究长时信息机制。在寻找隐藏方块、根据历史提示完成操作等任务中，保留完整历史信息的平均成功率达到 57.5%；保留近期与部分关键观测、同时压缩其余历史的混合方案为 25.0%。不过，记得更完整，也意味着更多计算与缓存开销。

而在撕纸、抽纸杯等任务中，仅靠视觉也不够。机器人还要知道：碰到了吗？抓紧了吗？物体有没有滑？看得见，不等于摸得准。

为此，Motus2 加入轻量级触觉专家模块，主模型先规划动作，触觉模块在每个短动作片段执行前读取最新接触反馈，再做细化。可以理解为，大脑先想好怎么做，指尖再根据实际接触纠偏。它还复用主模型已有的中间计算结果，不必每次重新运行完整视频骨干。在抽取纸杯与撕纸两项真机任务中，加入触觉后，平均成功率从 60% 提升至 72.5%，提升 12.5 个百分点。

05｜五项真机任务，平均成功率 84%

最终，模型到底有没有用，还是要回到真实机器人上验证。在论文设置的五项主要真实机器人任务中，Motus2 的平均成功率达到：84%。

其中，一个对照实验尤其值得关注。在相同的目标任务微调流程下：仅经过人类第一视角数据预训练的模型，平均成功率为 51%；进一步加入机器人领域中间训练以后，成功率提升到 84%。提升 33 个百分点。

这意味着，从人类视频中学习操作经验，确实可以成为机器人的能力基础；而把这些经验适配到机器人自己的身体与控制方式上，才能进一步提高实际操作的成功率。"看过人怎么做"，开始转化为 "用自己的手做成"。

相关实验最终在采用 WuJi Hand 1、WuJi Hand 2、Sharpa Wave 灵巧手的三种双臂机器人配置上完成。所有能力，最终都要落回真实的物理世界。

06｜从在世界中行动，到开始自我进化

近期，生数科技提出了通用世界模型（GWM）的五级演进路线：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。

这并不是五类彼此独立的模型，而是一条能力不断累积的演进路径。从生成世界、理解世界，到在世界中行动，机器人首先要解决的是 "如何行动"；而再往前一步，则需要模型能够评价自己的行动结果，并利用真实反馈持续改进自身策略。

Motus2，是这条路线在具身智能中的一次具体实践。它已经具备 L3「在世界中行动」的核心能力：理解当前状态、预测行动后的未来，并生成真实机器人动作。在此基础上，Motus2 又进一步把 Evaluation 与 Feedback 显式纳入闭环：行动 → 预测 → 评估 → 反馈 → 再学习。

这一机制呈现出类似 RSI（Recursive Self-Improvement，递归自我改进）的初步特征：模型利用自身对世界的预测和评估结果，反过来改进行动策略。世界模型开始具备一定的自我演进能力，也是从 L3 走向 L4"自主世界智能体" 的一次重要探索。

当然，从多任务的策略优化，到开放世界中的长期自主学习和持续进化，还有很长的路要走。但 Motus2 向前验证了一步：从 L3 的 "能够行动"，走向 L4 的 "能够自主进化"，评价与反馈开始真正进入世界模型的闭环。

Motus2，是这条路上的一次初步尝试。

（来源：生数科技）