2月6日，生数科技携手清华大学正式开源大一统通用基座世界模型Motus。作为具身智能领域的突破性成果，Motus以视频大模型为统一表征底座，打破“感知→推理→行动”的碎片化范式，在多项核心任务中较国际领先的VLA模型Pi0.5实现40%成功率提升，首次让机器人具备类人般“感知-想象-执行”的全链路能力，为通用人工智能（AGI）从数字世界走向物理世界奠定关键基础。
一、核心突破：终结碎片化，构建“全脑式”统一模型
Motus的核心创新在于“大一统”建模理念，彻底解决传统具身智能的两大瓶颈（多模态能力割裂、数据依赖严重）：
1.架构统一：五种范式融为一体
首次将VLA（视觉-语言-动作模型）、世界模型、视频生成模型、逆动力学模型、视频-动作联合生成模型五种主流具身基础范式，整合到同一框架中，构建贯通“感知-推理-行动”的端到端链路，而非简单的模块拼装。区别于World Labs、Genie3等侧重渲染仿真的路线，Motus既能理解环境与指令，又能预测动作后果并执行，真正适配物理世界场景。
2.数据突破：打破真机数据稀缺困境
统一跨本体机器人数据、仿真合成数据、人类操作视频、互联网视频等异构数据的动作空间，通过大规模预训练共享运动先验，摆脱对专家采集任务轨迹的依赖。在相同性能水平下，Motus展现出13.55倍的数据效率，仅需少量数据即可实现高效泛化。
3.技术前瞻：早于行业布局，路线获印证
2025年7月：发布Vidar具身视频模型相关工作，早于行业半年；
2025年12月：完成Motus论文发布与全开源，早于行业2个月；
后续产业界、学术界陆续跟进相关研究，印证其技术路线的前瞻性。
二、性能碾压：仿真+真机双领先，刷新复杂任务上限
Motus在仿真与真机评测中均展现出革命性性能，核心指标全面超越Pi0.5：
1.多任务泛化：Scale Up能力行业领先
Data Scaling实验：50个任务平均成功率较Pi0.5提升35.1%，数据利用效率提升13.55倍；
Task Number Scaling实验：随任务数量增加，成功率持续上升（Pi0.5则持续下降），最终绝对成功率提升37%，印证“多任务学习→通用能力”的演进逻辑。
2.仿真评测：88%成功率，攻克高难度任务
在RoboTwin 2.0仿真环境（50个通用任务，2.75万条混合训练数据）中，Motus平均成功率达88%：
高难度任务“Stack Bowls Three”（动态平衡要求极高）：成功率91%-95%，较基线模型（≤16%）实现数量级跃升；
堆叠、抓取、操作等核心任务：成功率普遍突破90%，部分任务达100%。
3.真机部署：跨平台适配，复杂场景落地
在AC-One、Agilex-Aloha-2两款不同本体机器人上，Motus平均成功率分别达63.22%和59.30%，显著优于Pi0.5：
长程多步骤任务：成功实现煮咖啡（62%）、磨咖啡豆（92%）、叠毛巾（14.5%-39%）等复杂操作；
柔性物体交互：精准预测织物形变，完成连贯折叠流程，突破传统方法瓶颈；
特殊场景突破：破解Cloudflare人机验证（精准操控鼠标点击）、孔明棋连续走棋（理解规则并执行）、键盘精准触控（82.5%）。
三、开源生态：全链路开放，赋能产业升级
Motus已完全开源，为全球开发者提供“通用物理智能底座”，支持工业机械臂、服务机器人、移动机器人等多场景适配：
开源协议：Apache-2.0许可证，支持商用与二次开发。
四、行业意义：具身智能从“模块拼装”到“统一智能体”的范式转变
Motus的发布被海外AI与机器人领域专家评价为“具身智能的关键跃迁”：
技术层面：验证了“视频模型→世界模型→物理智能”的核心路径，为具身基础模型Scale Up提供明确方向；
应用层面：降低具身智能开发门槛，推动机器人在工业、家政、服务等领域的规模化落地；
生态层面：开源统一底座打破技术壁垒，促进产业界与学术界协同创新，加速AGI走向物理世界的进程。
总结来看，Motus通过“架构统一、数据高效、性能领先”的三重优势，重新定义了具身智能的发展范式。其开源特性将进一步激活产业创新，让机器人从“机械执行工具”向“类人智能体”跨越，为AI改变物理世界提供核心技术支撑。
AI 速览
