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，完成训练关卡之后，角色往往会进入新的地图，接任务、积累经验值。

对于 GO-3 Preview 来说，便利店就是这样一个「新地图」。

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。如何将这些作业数据用于下一轮学习，正是 GO-3 Preview 部署后 Scaling 关注的问题。

为此，智元构建了具身 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。

为了让任务判断真正落实为动作，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，从断点重新规划。

以便利店补货为例，Genie Master 能够安排操作步骤、检查执行结果，并在异常发生后调整计划。而作业过程中积累的成败经验，还能通过两条路径参与能力改进。

一是让经验进入提示与记忆，改善任务规划。

Genie Master 可以将成功、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，便能检索相关经验，辅助规划与异常处理。

例如，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，调整了执行方式：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。这套处理方法还可以沉淀为经验，供后续类似任务调用。

二是让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，也可以用于动作模型训练。

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过处理后，可用于后续动作策略训练。

这是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）。它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。

据智元介绍，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。

至此，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 则让机器人从实际工作中继续学习。

结语

游戏里的角色升级，通常会有明确的经验值和技能树。但现实世界的任务千变万化，机器人的成长很难用一条进度条衡量。

真实世界就像一款持续更新的游戏，每天都有可能出现新的关卡。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。

具身智能的成长，也将体现在这些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。

或许，机器人真正的「满级」，就是让那些曾经令人惊叹的能力，逐渐成为现实生活中习以为常的可靠表现。