生数科技直播具身模型Motubrain 2.0训练全程

10月21日，生数科技世界模型团队正式开启Motubrain 2.0训练全流程公开直播，计划持续半个月，向公众展示具身模型的训练过程及研究进展。此次直播是Physical AI领域少有的全过程透明化尝试。

Physical AI即物理人工智能，旨在让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还需解决动作决策、任务执行和跨场景泛化等问题。Motubrain系列是生数科技研发的具身模型，致力于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。Motubrain 2.0即将开源，团队在开源前率先公开其训练全流程。

此次公开训练涵盖四个环节：预训练、后训练、Agent任务执行和RSI（递归自我改进）探索。预训练环节观察训练规模对模型性能及零样本泛化能力的影响；后训练针对具体任务提升执行能力；Agent任务执行探索模型将已有经验迁移到其他任务的能力；RSI探索模型能否根据执行反馈评估并改进自身行动。

此次直播的特别之处在于尝试打开具身模型训练的“黑盒”。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，模型训练过程通常难以直接观察。Motubrain 2.0公开从训练、测试到能力迭代的全过程，也展示训练中的失败、试错和调整。

对于具身智能行业而言，这种方式让模型研发过程更加透明。团队也希望与技术同行分享经验，共同探讨规模化训练、跨任务泛化和自主改进等关键问题。相关研究仍处于探索阶段，具体效果还需后续实验和评测验证。