据雷峰网报道，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，向公众展示这款即将开源的具身模型从训练、测试到能力迭代的过程。
此前，小米MiMo负责人罗福莉公开了MiMo-V2.6强化学习阶段的训练进展，让外界看到大模型训练中的一些具体细节。生数科技此次将公开训练的做法延伸到Physical AI领域。
Motubrain系列是生数科技研发的具身模型，目标是为机器人构建具备通用能力的“大脑”，探索不同任务、场景和机器人本体之间的能力泛化。Physical AI即物理人工智能，希望让AI理解物理环境，并通过机器人完成实际任务。相比大语言模型，Physical AI还需要解决动作决策、任务执行和跨场景泛化等问题。
此次公开训练涵盖预训练、后训练、Agent任务执行和RSI探索四个环节。预训练阶段观察训练规模对模型性能及零样本泛化能力的影响；后训练阶段针对具体任务进一步训练，提升任务执行能力；Agent任务执行环节探索模型能否将已有经验迁移到其他任务；RSI即递归自我改进探索，研究模型能否根据执行反馈评估并改进自身行动。
生数科技表示，Motubrain 2.0即将开源。在正式开源前，团队选择率先公开训练全流程。过去外界了解具身智能技术进展，主要通过机器人Demo、评测结果和论文，模型经历了怎样的训练、不同阶段能力如何变化，通常很难直接观察。此次直播尝试打开具身模型训练的“黑盒”，让外界看到模型如何逐步形成能力，也能看到训练中的失败、试错和调整。
这种方式让模型研发过程更加透明。研究者和开发者能看到最终结果，并有机会了解训练中遇到的具体问题，以及团队如何通过实验和反馈改进模型。团队还希望借助直播与技术同行分享研究中的经验、问题和思考，共同探讨规模化训练、跨任务泛化和自主改进等关键问题，为Physical AI实现范式的探索提供参考。相关研究仍处于探索阶段，具体效果还需要后续实验和评测验证。