文章核心观点 - 2026年具身智能的版本更新重点落在成长系统上，世界模型持续进化让机器人能在虚拟环境中预演动作，RSI（递归自我改进）研究日渐活跃，尝试将交互中的成败转化为学习经验 [1][2] - 智元发布GO-3 Preview具身模型，实现预训练、后训练、部署后全链路规模化学习，拿下RoboDojo、RoboTwin、RoboColiseum三项权威评测第一 [2][3] - 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，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 [3][4] - 行业首次跳出仿真环境、走出实验室，在真实业务场景中验证Physical RSI（具身递归自进化），让真实作业中的成功、失败和异常恢复经验成为下一轮能力更新的素材 [51] 预训练阶段：刷视频学技能 - GO-3 Preview的预训练数据中约九成来自人类第一视角数据，覆盖比机器人示范更广泛的场景和技能 [7] - 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 [7] - WRAM将乐高拼装等复杂过程交给多个相互协作的模块：CoAE面向控制的视觉表征模块负责从相机画面提取物体位置、形态及相互关系等操作信息，兼顾视觉信息丰富度与实时推理效率 [8][11] - 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动作 [12] - 人类视频帮助模型学习物理状态如何变化，机器人轨迹提供从状态变化到动作控制的训练信息 [13] - KASO（知识对齐选择性优化）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 [14] - 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 [16] - GO-3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 [16] - 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 [17] - GO-3 Preview展示跨本体操作能力，在双足人形机器人X2上能够完成双手持物开门、跪地取物等动作 [18] 后训练阶段：虚实交互练出物理世界手感 - 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高于普通人类玩家的胜率 [22] - 具身智能后训练的重要方向是让机器人通过交互、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，涉及设备运行、环境复位和数据采集，反复试验还伴随设备损耗与安全成本 [24] - GO-3 Preview构建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 [25] - 第一类环境是真实机器人，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，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 [27][28] - 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次测试的失败次数由25次降至2次，减少92% [30] - 第二类环境是物理仿真，提供大量可重复的练习机会，系统可调整物体位置、摩擦系数和碰撞条件等参数，让机器人尝试不同策略 [31] - 第三类环境是世界模型，进一步拓展候选动作的探索空间，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，一次真实经历就能成为探索多种候选动作的起点 [33] - 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 [35] - 抽积木实验考验长程任务中的状态跟踪与持续适应能力，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 [36] - 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 [38] 部署后阶段：便利店边干边刷经验 - 便利店是GO-3 Preview部署后Scaling的典型场景，机器人需要根据补货任务识别商品、规划操作顺序，完成抓取、移动和摆放，但货架空间、商品位置和包装材质各不相同，还可能发生滑落、摆放空间变化等异常 [42] - 智元构建具身Agent框架Genie Master，将任务规划、执行检查、异常恢复和经验记忆组织在一起 [43] - Genie Master引入具身执行协议EEP，连接能力调用、执行引导、结果反馈与任务连续性，机器人执行后成功与否、卡在哪一步等信息会返回Agent，任务中断时系统也能保留进展并从断点重新规划 [43] - 经验进入提示与记忆改善任务规划：Genie Master可将成功、失败和异常恢复案例沉淀为记忆，提取操作顺序、关键约束和注意事项，当机器人再次遇到类似任务时检索相关经验辅助规划与异常处理 [46] - 在便利店挂货时机器人曾因头部相机看不清、标签牌遮挡而无法定位挂钩，Agent回溯失败记录后调整执行方式，让左手靠近目标、用腕部相机补充近距离视角、再由右手完成挂货，这套处理方法可沉淀为经验供后续类似任务调用 [47] - 执行与恢复数据进入训练更新动作策略：真实作业中积累的成功与失败轨迹可用于动作模型训练，例如打包外卖时水瓶和夹爪容易被白色提带缠住，Agent通过更具体的动作提示引导夹爪先收回再重新尝试放入包装袋，相关执行与恢复数据经处理后可用于后续动作策略训练 [49] - 搭载Genie Master的精灵G2已在真实便利店开展部署验证，在不依赖人工示范与调试的情况下，通过定位问题、调整执行方式和积累经验，在熟食打包、取货、补货等任务中持续改进 [51] 行业意义与展望 - GO-3 Preview建立通用操作能力，Genie Evolver通过虚实交互优化策略，Genie Master让机器人从实际工作中继续学习 [53] - 真实世界任务千变万化，机器人的成长很难用一条进度条衡量，随着机器人积累的经验越来越多，如何有效筛选、复用经验并让新旧技能相互兼容，将成为规模化部署的重要课题 [54] - 具身智能的成长将体现在经验的持续积累与转化中：操作更加熟练，异常处理更加从容，面对陌生任务也能更快适应 [55]