据量子位9月14日报道，生数科技最新发布世界模型Motus2，试图让机器人评价动作结果并从反馈中继续学习。其前代Motus今年2月发布，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把行动、预测、评估放进同一个模型：WAM生成动作，AC-WM预测后果，VM评估结果，形成“生成动作—预测后果—评估结果—更新策略”的闭环。团队称这是对递归自我改进（RSI）的初步探索，但自进化指利用模型自身预测和价值反馈持续改进策略，不意味着机器人已能在开放环境中无限自主学习。

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，再预测结果，最后评估。推理阶段用Best-of-N规划，生成多个候选动作并分别预测执行后的画面，由价值模型打分，挑选最高分动作执行；执行一小段后重新观察，再进入下一轮。训练阶段把候选动作打分转化为策略更新信号，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。在手机放置和多指操作两项任务中，基础策略平均成功率为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。

Motus2还增加触觉和记忆。触觉方面，模型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，并复用主模型中间结果。抽取纸杯和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测试中，保留完整历史信息的方案平均成功率为57.5%，高于压缩历史信息方案。团队认为，保存完整观测更像找到最终答案前的阶段性妥协。

Motus2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，展示拧灯泡、翻书、多指操作等任务。数据路径上，它把人类第一视角Ego数据作为主要来源，再迁移到机器人。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，再到机器人领域适配。整套体系约13万小时人类第一视角数据，配百小时级机器人及人机对齐数据。对照实验显示，只经过人类Ego数据预训练的模型五项真机任务平均成功率为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。

生数科技把通用世界模型演进路线分为L1至L5。按这套分级，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”。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。