刚刚，机器人学习进入「全链路Scaling」时代

编辑｜Clio 如果把具身智能看作一款养成游戏，2026 年的版本更新，重点落在了「成长系统」上。 这一年，世界模型持续进化，让机器人能够在虚拟环境中预演动作、探索未来；RSI（递归自我改进）研究也日渐活跃，尝试将交互中的成败转化为学习经验。 从看视频学技能，到虚实环境中反复练手，再到真实工作场景中继续积累经验，机器人的「练级」方式越来越丰富，一条贯穿预训练、后训练与部署后的成长路线也愈发清晰。 10 月 29 日，智元正式发布 预训练、后训练、部署后实现全链路规模化学习 的具身模型 GO-3 Preview，一举拿下 RoboDojo、RoboTwin、RoboColiseum 三项权威评测第一。 从 GO-1 的 ViLLA 架构、GO-2 的「动作思维链」，到 GO-3 Preview 的全链路规模化学习，智元正将具身模型的学习延伸至机器人更完整的生命周期。 这次，智元希望打通机器人从学习技能、反复练习到真实上岗后的完整成长过程。机器人不再只是训练完成后才进入工作，而是能够在工作中继续积累经验、改进能力。 沿着这条路线，机器人究竟如何一步步「升级」？ 机器人刷视频，如何刷出技能点？ 刷视频，已经成为机器人学习人类技能的一种重要方式。GO-3 Preview 的预训练数据中，约九成来自人类第一视角数据，覆盖了比机器人示范更广泛的场景和技能。 但看懂人类如何操作，并不意味着机器人就能照着做。人体位姿与机器人的关节控制、末端执行器轨迹并不能直接一一对应，机器人还需要学会如何将观察到的操作经验转化为适合自身的动作。 为此，GO-3 Preview 采用具身原生架构 WRAM（World Reasoning Action Model） ，将任务理解、未来状态预测与动作生成串联起来，让机器人既能预测物理状态如何变化，也能学习实现这些变化所需的动作。 以乐高拼装为例。机器人不仅要识别零件与插槽的空间关系，确定零件的目标位置和姿态，还要控制机械臂完成抓取、对齐和插入，处理不断变化的接触关系。 WRAM 将这一过程交给多个相互协作的模块。 首先是 CoAE，即面向控制的视觉表征模块。 它负责从相机画面中提取物体位置、形态及相互关系等操作信息，同时兼顾视觉信息的丰富度与实时推理效率。 有了当前场景的表征，接下来便是预测未来。 SVP（单步视觉规划器） 根据当前观测和任务条件，通过一次前向计算预测多个未来时刻的视觉状态，再由逆动力学模型结合机器人自身状态，将预测转化为可执行的动作。 由此，人类视频与机器人轨迹便能发挥各自的作用：前者帮助模型学习物理状态如何变化，后者提供从状态变化到动作控制的训练信息。 不过，预测未来还有一个问题：同一个任务，可能存在多种合理的完成方式。 例如，将杯子放到指定位置，机器人既可以从左侧接近，也可以从右侧抓取。不同的操作路径都可能实现同一目标，因此，模型预测出的未来状态，还需要与实际动作学习相互配合。 GO-3 Preview 引入的 KASO（知识对齐选择性优化） 正是为此设计。它通过生成多个候选未来，评估预测结果与真实动作的相容程度，选择更合适的结果参与联合训练，让未来状态预测与动作学习保持协调。 这表明， 在给定测试条件下，扩大训练数据规模能够改善模型对新场景、新物体的操作表现，并在不同机器人本体上呈现性能收益。 具体到 GO-3，智元将预训练后的任务能力分为 Zero-shot 和 Few-shot 两种设置。前者检验模型无需目标任务专属真机监督微调的迁移能力；后者通过少量示范，进一步提升复杂操作的精度与协调性。 据智元介绍，GO-3 Preview 已具备数百种任务的开箱即用能力。 在乐高拼装演示中，经过少量示范微调的 GO-3 Preview 能够完成零件抓取、对位、插入等精细动作，并在 Agent 编排下连续完成拼装。 此外，GO-3 Preview 还展示了跨本体操作能力。在双足人形机器人 X2 上，模型能够完成双手持物开门、跪地取物等动作。 预训练 Scaling 正在拓展机器人的技能范围，但想完成更复杂的物理任务，仅靠「看视频」还不够，机器人还需要在交互中反复练手。 虚实交互，练出物理世界的手感 如果机器人也有一本《五年高考三年模拟》，桌面冰壶大概可以算作其中一道物理大题。 题目看起来简单：控制力度和角度，把对手的冰壶撞出得分圈，同时让自己的冰壶留在圈内。但真正操作起来，摩擦、碰撞和运动轨迹都会影响结果，出手力度略有偏差，就可能改变冰壶的最终位置。 根据智元提供的实验案例，GO-3 Preview 通过在真实环境和世界模型中持续练习，仅用几个小时，便在桌面冰壶任务中取得了高于普通人类玩家的胜率。 这背后对应着具身智能后训练的一个重要方向： 让机器人通过交互、反馈和策略更新，持续提升复杂动作的执行能力。 但机器人练习需要消耗真实资源。每次物理交互都涉及设备运行、环境复位和数据采集，反复试验还伴随着设备损耗与安全成本。要让机器人掌握更多技能，就需要扩大交互经验的规模，同时提高数据利用效率。 为此，GO-3 Preview 构建了 Genie Evolver，一套结合真机、物理仿真和世界模型的分布式混合环境后训练系统。 三类环境各有分工。 第一类是真实机器人，提供可靠的物理反馈。 Genie Evolver 依托百台级真机集群，通过 CEL（群体经验学习）汇聚执行经验。 例如，不同机器人抓取物体时，有的成功，有的滑落。系统通过检索成功动作片段、分析失败上下文并更新共享策略，让个体经验服务于群体学习。 这一机制的收益也体现在真机规模实验中。在同等训练时间下，随着参与学习的真机规模扩大，手机包装任务成功率由 50.8% 提升至 98.3%。在多阶段手机包装长流程测试中，120 次测试的失败次数则由 25 次降至 2 次，减少 92%。 第二类是物理仿真，提供大量可重复的练习机会。 在仿真环境中，系统可以调整物体位置、摩擦系数和碰撞条件等参数，让机器人尝试不同策略。对于桌面冰壶，仿真能够覆盖更多初始状态与出手条件，便于比较不同策略的执行结果。 第三类是世界模型，进一步拓展候选动作的探索空间。 仍以冰壶为例。如果一次投掷偏离目标，世界模型可以回到此前的关键决策点，预测不同力度和角度可能带来的结果。这样，一次真实经历就能成为探索多种候选动作的起点。 系统利用世界模型生成的反馈优化策略，再回到真实环境验证，从而提高真实交互数据的利用效率。由于世界模型仍可能误判摩擦、碰撞等物理过程，真机验证不可或缺。 桌面冰壶考验精准控制，另外一项实验则将难度延伸到了持续变化的物理环境中。 以抽积木为例，GO-3 Preview 需要依次抽出堆叠的红色积木，但每次操作都会改变剩余积木的位置、姿态和受力关系。机器人必须持续观察、调整后续动作，考验的是长程任务中的状态跟踪与持续适应能力。 从系统设计来看，Genie Evolver 的目标，是扩大机器人能够利用的有效交互规模： 真机提供物理反馈，仿真拓展训练范围，世界模型探索候选未来，三者共同推动策略持续改进。 而当机器人完成练习、进入更加复杂的真实作业环境后，这些工作本身，也可能成为新的学习机会。 机器人去便利店，边干边「刷经验」 在游戏里，完