据量子位9月12日报道，生数科技发布世界模型Motus2，将动作生成、后果预测和价值评估整合在同一模型中，形成“生成动作—预测后果—评估结果—更新策略”的闭环，用于机器人持续改进策略。该模型已部署在单手22自由度的Sharpa Wave、单手20自由度的WUJI Hand 2等平台。
Motus2是Motus升级版。今年2月前代Motus发布时，世界动作模型概念尚不成熟，Motus在50项通用任务测试中较Pi-0.5绝对成功率高出35%以上。Motus2拓展视觉、语言、动作与触觉模态，同时具备行动、预测、评估能力：WAM生成动作，AC-WM预测后果，VM评估结果。三者形成闭环，预测和评估结果成为改进策略的反馈，被团队视为对递归自我改进的初步探索。这里的自进化指利用模型自身预测和价值反馈持续改进策略，不意味着机器人能在开放环境无限自主学习。
为避免模型提前“偷看”动作执行后的结果，Motus2在中间训练阶段采用Action-first信息流，先根据当前观测生成动作，再预测后果，最后评估。推理阶段用Best-of-N规划，提出多个候选动作，分别预测执行后画面并由价值模型打分，选择最高分动作执行，执行一小段后重新观察真实世界。训练阶段把打分转化为策略更新信号，分数高者得到更强正向引导，低者逐渐被放弃，团队称之为基于模型的强化学习，且只更新动作相关参数，预测和评估部分保持不动。
真机数据验证了闭环效果。手机放置和多指操作两项真机任务中，基础策略平均成功率65%；单独加入规划提升至67.5%；单独加入基于模型的强化学习达到72.5%；两者结合达到75%，比基础策略高10个百分点。失败轨迹在闭环中用于学习动作后果与结果评价，帮助模型识别哪些动作未能推进任务。材料提到，Physical Intelligence的RECAP会让机器人先跟人学再自己练习，做错时由人接管纠正；Motus2则利用世界模型先预测后果、打分比较，再用反馈改进策略。
触觉是Motus2新增能力。灵巧操作中，视觉难以完整判断接触状态。Motus2加入轻量级触觉专家模块，在短动作片段执行前读取最新触觉反馈，细化动作，并复用主模型中间结果，避免重跑完整视频骨干。在抽取纸杯、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%。记忆方面，Motus2默认缓存近期真实观测。在寻找隐藏方块、根据历史提示操作按钮两项测试中，保留完整历史信息的方案平均成功率57.5%，明显高于压缩历史信息方案。材料称，这组实验不能说明记忆压缩行不通。
Motus2将人类第一视角操作经验作为主要数据来源，再迁移到机器人。其Ego数据体系规模约13万小时人类第一视角数据，配上百小时级机器人及人机对齐数据，训练分三步：单目Ego视频预训练；引入双目视频和人类动作数据；进行机器人领域适配训练。对照实验中，同样目标任务微调下，只经人类Ego数据预训练的模型五项真机任务平均成功率51%，加入机器人领域中间训练后升至84%，提升33个百分点。双目数据从2000小时增至20000小时，人类动作预测验证误差持续下降。
按照生数科技对通用世界模型的分级，L1为生成世界，L2为与世界交互，L3为在世界中行动，L4为自主世界智能体，L5为世界组织者。Motus2已具备L3核心能力：理解当前状态、预测动作后果并输出真实机器人动作；通过预测后果和价值评估产生策略更新信号，开始触碰L4自主决策、自主反馈、持续自我改进的部分。但触觉数据跨机器人本体迁移、更长任务中的预测可靠性、长期记忆效率以及开放世界持续学习仍需探索。