💡 站外导读:具身智能(Embodied AI)长期被学术界与产业界公认为通用人工智能(AGI)在物理物理现实世界落地的核心终极形态。然而,相较于大语言模型可以轻松吞吐万亿互联网海量纯文本不同,物理机器人领域面临着极其残酷的“数据之墙”:真机采集高质量力控交互与灵巧操作数据的成本极其高昂,不仅存在机械磨损与碰撞损坏的巨大风险,更无法单纯依靠人工遥操作(Teleoperation)在有限时间内累积起覆盖万千复杂工况的长尾数据。由“稚晖君”彭志辉等领衔创立的智元机器人,此次正式公布的 GO-3 Preview 具身智能基座模型,凭借首创的 WRAM 具身原生架构直接从人类第一视角日常视频中习得物理世界运转法则,打通了从仿真对抗到真机部署持续自进化的全链路飞轮,为机器人跨越产业化鸿沟给出了革命性的解题范式。

从视频自学物理规律:WRAM 具身原生架构核心技术原理
传统机器人控制算法通常将“感知”、“规划”与“控制”机械地划分为多个割裂模块,在面对复杂动态未知的现实环境时极易出现累积误差脱节。智元机器人推出的 GO-3 Preview 彻底重构了底层的学习与推演范式,提出了 WRAM(World-Represented Action Model)具身原生架构,将“任务理解 → 未来状态预测 → 物理动作生成”高度统一为连续的前向生成闭环:
- 人类第一视角视频的大规模无监督预训练:GO-3 Preview 摆脱了对纯机器人真机数据的绝对依赖,直接吞吐海量人类在日常生活与生产劳作中的第一视角(Ego-centric)视频流。通过自我监督学习,模型能够深刻理解人类手部与工具、物体的空间几何接触关系以及物理世界在受到外力干扰时的状态演进规律,开箱即具备对数百种复杂操作任务的通用先验常识。
- CoAE 高精度时空视觉表征模块:从摄像头实时传入的高清多视角画面中,CoAE 模块能够以极高帧率实时提取出目标物体的空间三维坐标、材质表面摩擦特征、刚柔体形变倾向以及微观相对运动趋势,为下游动作规划提供坚实的物理信息输入。
- SVP 单步视觉规划器与未来画面预测:基于当前感知输入与人类给出的自然语言指令,SVP 模块能够在一个前向计算周期内,精准预测出多个连续未来时刻的物理世界视觉演进画面(Imagine Future States)。随后,内部的高动态逆动力学解算网络将这些预测出的视觉状态差量直接映射为机器人各关节电机的目标力矩、角速度与空间位姿指令。
- KASO 多未来相容度动态评估网络:在现实物理世界中,完成同一项任务(例如开门或摆放杯子)往往存在多种完全合理的运动轨迹。KASO 机制通过生成多个候选未来画面,综合评估各画面与机器人本体物理特性的相容性与可行性,精准剔除不切实际的奇异解,确保视觉规划与机械动作控制始终保持超高精度的协同步调。
虚实混合进化与群体经验:突破机器人长尾落地的工程飞轮
为了让模型从“看懂视频”真正跨越到“在复杂现实场景中毫厘不差地稳定干活”,智元机器人构建了一整套极具 SRE 级容错与自我进化能力的闭环工业体系:
| 技术模块体系 | 核心实现机制与协同演进原理 | 工业生产落地成效与突破 |
|---|---|---|
| Genie Evolver (虚实融合演进引擎) | 真机物理集群、超写实物理仿真沙盒与生成式世界模型深度融合,展开 7×24 小时高并发并行对战强化学习 | 在数天内模拟现实中需要数万小时的极限危险抓取与碰撞边缘测试,大幅压缩新技能训练周期 |
| CEL (群体经验分布式学习) | 云端实时汇聚所有在线运行机器人的成功、失败与异常回滚轨迹数据,动态更新全局共享参数权重 | 实现“单台偶发踩坑、全量机队永久免疫”,极大增强了复杂场景下的群体泛化能力 |
| Genie Master (全流程编排与自愈) | 作为顶层具身 Agent 编排多步骤长时序作业,执行前置条件校验;当任务遭遇机械打滑或外部突发阻挡时触发自愈机制 | 保留当前任务进度状态,从断点处自主重新规划最优替代方案,告别传统死板的“遇错直接报废停机” |
| Physical RSI (部署后自迭代飞轮) | 在真实商用作业中沉淀高价值硬样本(Hard Samples),经过敏感信息脱敏后回流进基座微调管线 | 机器人在实际工作的时间越长、处理的边缘场景越多,其整体作业成功率越高,实现资产升值 |
权威评测斩获三料榜首:年内全面开源赋能全球开发者
在业界公认最具挑战性的具身智能基准评测 RoboDojo 以及多项高精度力控操作评测中,GO-3 Preview 展现了无可争议的技术统治力,以绝对领先优势包揽了 三项权威基准评测综合榜首。更重要的是,该模型不仅在双足人形机器人本体上表现出色,其核心表征更成功跨越不同形态,无缝迁移至四足机械狗、轮式双臂底盘与工业机械臂等多种异构硬件本体之上,实现了一套大脑驱动多元躯体的高灵活性。
在商业验证层面,智元机器人已率先将搭载 GO-3 Preview 的机器人机队部署于全天候无人便利店、高端柔性装配线等前沿试点场景中,完成了包括狭窄通道货架理货、易碎物品柔顺拾取、自动下蹲低位清扫等高难度连续复杂长时程作业。更为震撼的是,智元官方已郑重宣布:GO-3 Preview 将于今年年底正式向全球开源!
📝 站长洞察 (Editor’s Insight)
长期以来,全球具身智能领域被一种“唯视频论”的滤镜所笼罩 —— 各大科技巨头频繁发布剪辑精致的宣传片,但在真实充满光线变化、杂乱摆放与动态行人的工厂与商超中,机器人的实际开箱可用率往往惨不忍睹。其核心死结在于:“模仿学习(Imitation Learning)的本质是在背答案,一旦环境出现 1 厘米的偏差,机器人就会不知所措。”智元机器人 GO-3 Preview 的最硬核突破,在于它彻底将“世界模型预测(Predictive World Models)”贯穿进了具身决策的核心中枢。机器人在做出动作之前,大脑中已经生成了对物理因果关系的精准预测,配合 Genie Master 的断点自愈与群体经验学习,真正赋予了机器人面对意外时的“常识与应变能力”。更令人振奋的是年底全面开源的承诺。正如当年 Meta 开源 LLaMA 彻底引爆了全球大语言模型的技术繁荣,智元将前沿具身基座开源,势必将与中国强大的精密减速器、伺服电机与传感器硬件供应链产生剧烈的化学裂变,中国具身智能的工业化落地临界点已经不可逆转地到来了。
GO-3 Preview的WRAM架构是什么?
WRAM是智元机器人提出的具身原生架构,把任务理解、未来状态预测和物理动作生成统一到一个连续前向生成闭环中,强调从人类第一视角视频中学习物理世界规律,而不是依赖割裂式模块控制。
GO-3 Preview为什么强调第一视角视频训练?
因为机器人真机数据采集成本高、风险大,而第一视角视频能提供大量日常操作与物体交互样本。文章称模型可借此学习手部、工具、物体之间的空间关系和状态演进规律,提升通用先验能力。
GO-3 Preview有哪些落地和开源信息?
文章提到它已在无人便利店、高端柔性装配线等场景试点,并可跨人形、四足、轮式双臂和工业机械臂等本体迁移;同时官方宣布将于今年年底向全球开源。
WRAM架构的关键优势是什么?
它把感知、未来状态预测和动作生成放进统一的具身表征里,减少模块间信息损耗。对机器人来说,这种端到端闭环更利于处理长时序任务和环境变化,但前提是训练数据覆盖足够广。
虚实混合进化怎么避免越训越偏?
要用严格的回放评测和安全约束,把仿真增量与真实部署反馈分层管理。若只追求自迭代速度,模型容易在局部任务上过拟合,必须保留人工审核和失败样本回灌机制。
🌐 English Executive Summary — AGIBot GO-3 Preview: WRAM Embodied-Native End-to-End Self-Evolution from First-Person Video
AGIBot’s GO-3 Preview introduces WRAM, a first-of-its-kind embodied-native architecture that unifies first-person video self-learning, future-state prediction, and action generation into a single end-to-end pipeline. The system couples simulation, real-robot execution, and post-deployment self-iteration via a closed-loop of Genie Evolver/CEL/Genie Master and Physical RSI, and the article reports first-place results across three authoritative benchmark evaluations. It is already deployed in real settings such as unmanned convenience stores and flexible assembly lines, with an open-source release planned for year-end.
- WRAM unifies video-based learning, future prediction, and action generation in one embodied-native framework.
- A closed-loop workflow (simulation → real robot → post-deployment iteration) drives continuous self-evolution.
- Reported top performance on three authoritative benchmarks and real-world deployments; year-end open-source roadmap.
