诺因发布GLOW生成式学习架构技术报告，具身智能迈向“一教就会”

9月24日，诺因（Knowin）发布面向通用具身智能的生成式学习架构GLOW技术报告，系统介绍升级后的技术架构。报告提出，GLOW的核心目标是让机器人获得跨物体、跨环境、跨任务复用的通用具身能力，而非为每项任务单独学习一套策略，从而实现“一教就会”的任务学习能力。

长期以来，机器人学习一项新任务往往需要重新采集数据、编写固定流程或进行针对性训练，较难覆盖真实场景中不断变化的物品、环境和需求。GLOW将原有的Brain与Act能力统一到多模态自回归模型KnowinGLOW中，使视觉理解、空间推理、任务规划与动作生成能够在同一模型内协同完成。

其中，KnowinDream负责生成物理交互经验，KnowinWorld用于模拟动作可能带来的结果，KnowinAgent则围绕任务记忆、工具调用、反馈和重新规划组织执行流程，三者协同形成从经验学习、任务理解到行动反馈的完整链路。据介绍，用户不必把需求拆解成机器指令，也不必受限于出厂时写好的功能清单，机器人可通过一次完整操作理解任务，并将画面、物品关系、状态变化与执行反馈转化为行动。从开箱收纳、浇水、擦桌到调酒等家务场景，该能力已得到验证。

报告还披露了GLOW在RoboDojo、LIBERO-Pro和Embodied Arena等评测中的成绩。实验结果显示，GLOW能够理解物理场景并将其转化为有效的任务执行，在本报告的评测设置下，GLOW在多项国际主流具身评测中取得领先成绩。

据介绍，通用模型增强智能的知识、理解与推理能力，专业具身模型则以物理交互为核心，构建从场景理解到自主行动的完整能力。诺因将沿用这条技术路线，以规模化物理经验训练模型，以统一架构协同认知与行动，以闭环执行适应环境变化。