Motus2 自进化世界模型：单模型三角色，五项灵巧任务平均成功率 84%
burny_tech · x · 2026-09-08
论文提出 Motus2，一个用于灵巧操作的自进化通用世界模型，解决现有机器人世界模型难以闭环「预测—评估—策略改进」的问题。
核心设计：
- 单一共享权重模型同时充当三个角色：策略（world-action model）、模拟器（动作条件世界模型）、评估器（value model）
- 策略提出候选动作块，模拟器想象其视觉后果，评估器打分，通过 model-based RL 闭环改进策略
- 失败与次优交互被用作动力学建模和价值学习的证据
数据 scaling：从大规模单目自我中心预训练（13 万小时）到同步双目数据，再用机器人轨迹与人对齐数据做机器人域适配。还引入触觉反馈和滑动窗口上下文的全局自回归/混合记忆扩展，部署在仿生机器人平台上。
结果：五项灵巧任务平均成功率 84%，MBRL 和测试时规划可进一步提升。
「具身」频道最新
- DONIC 双手机器人追踪成功率 86.79%，远超此前 SOTA 的 9.43% — liuziwei7 · 2026-10-27
- Bedrock Robotics 融资 6 亿美元,改装挖掘机已在商业工地全自动驾驶接单 — Sethwinterroth · 2026-10-27
- AW-0 机器人模型实测:RoboTwin 50 项任务成功率 80.8% 远超基线 — trevordarrell · 2026-10-27
- AW-0 用代码流改变世界模型预测:同一指令下精准选中目标物体 — trevordarrell · 2026-10-27
- AW-0 单卡 RTX 5090 推理 230ms:联合去噪比自回归代码快 2.4 倍 — trevordarrell · 2026-10-27
- AW-0 世界动作模型发布：一个生成式模型同时管规划、预测与控制 — trevordarrell · 2026-10-27