智元机器人（AGIBOT）近日发布了新一代具身基础模型GO-3 Preview，该模型支持跨越预训练、后训练及部署后学习全生命周期的大规模学习。
该模型已在三大主要具身智能评测基准——RoboDojo、RoboTwin和RoboColiseum中取得第一名，并计划于2026年底前完全开源。
GO-3 Preview基于智元机器人自主研发的具身原生架构WRAM（World Reasoning Action Model，世界推理行动模型）构建，将任务理解、未来状态预测与动作生成统一起来，使机器人能够在不同任务间实现泛化，并完成精确的操作动作。
结合智元机器人的混合后训练系统Genie Evolver与具身智能体框架Genie Master，GO-3 Preview构建了一套涵盖预训练、后训练与真实世界部署的一体化学习体系。
智元机器人将这一方法称为"全生命周期扩展"（full-lifecycle scaling），旨在帮助机器人发展通用能力，通过交互打磨技能，并通过在真实世界中的工作经验实现持续改进。
大语言模型在推理与知识类任务上已取得显著进展，但在物理世界中工作，需要的不仅仅是理解指令的能力。
抓取小物体、组装零件等任务，要求机器人具备预判环境变化、控制接触力度以及执行精确物理动作的能力。
对具身智能而言，挑战不仅在于扩大模型训练规模，更在于将学习能力延伸至整个生命周期。机器人的能力不应仅在预训练阶段形成，还需通过后训练阶段的交互学习，并在部署后持续适应。
GO-3 Preview正是围绕这一理念设计：让机器人不仅学会如何完成任务，更能通过执行任务变得更加能干。
预训练扩展：构建可跨任务迁移的通用能力
以一个简单指令为例："拿起杯子"。物体可能是带把手的马克杯，也可能是光滑的玻璃杯；可能放在桌子中央，也可能被杂物围绕。要应对这些变化，机器人不能仅靠记忆特定物体或固定动作，而需要具备可跨任务、跨环境迁移的通用能力。
在预训练阶段，GO-3 Preview通过其具身原生WRAM架构，在数据和模型能力两个维度进行扩展，以应对这一挑战。该方法旨在帮助机器人学习可迁移的技能，更快适应陌生情境。
WRAM在统一架构内连接了任务理解、未来状态预测与动作生成。三大核心设计——CoAE、SVP与KASO——协同工作，帮助模型理解需要完成的任务、预判可能发生的情况，并生成完成任务所需的动作。
CoAE（面向控制的自编码器）提取专为机器人控制定制的视觉表征，保留物体位置、形状与空间关系等信息。通过将视觉感知与物理动作相连接，它为预测未来状态和生成合适动作提供了基础。
SVP基于当前观察与任务条件，一步生成完整的未来状态预测。随后，动作生成模块学习如何从当前状态移动至预测结果。
通过将机器人的观察与可能的未来发展相连接，SVP帮助模型预判变化，而不仅仅依赖即时的视觉输入。
KASO解决了物理环境中存在多种合理结果的难题，它会选择与训练过程中实际执行动作更一致的未来预测结果。
这些经过筛选的预测被用于联合学习，有助于将未来状态预测与动作生成对齐，使模型能够学习到可导向物理一致结果的动作。
在这三大机制的基础上，GO-3 Preview通过数据与模型两方面的发展实现学习扩展。在数据层面，该模型从多种异构来源中学习。人类第一人称视频提供了丰富的物体交互与任务执行示例，而机器人轨迹数据则建立了观察、动作与其物理结果之间的联系。
在模型层面，学习能力的提升有助于系统组织这些多样化的经验，并将其转化为可应用于不同任务的通用能力。目标不仅仅是学习更多示例，而是在遇到新情境时能更好地利用这些经验。
GO-3 Preview从人类第一人称视频与机器人轨迹数据中学习，将物体交互与任务执行同动作及物理结果相连接。
完成预训练后，GO-3 Preview在零样本与少样本设置下均展现出任务适应能力。在零样本场景中，该模型无需针对特定任务在实体机器人上进行监督微调，即可将先前学习的能力应用于新任务。
这证明了其将通用技能迁移至陌生任务和环境的能力。对于更复杂的操作，GO-3 Preview可以通过少样本学习进一步提升，利用少量演示示例来调整其能力。
乐高积木拼装就是一个例子。该任务要求机器人识别单个零件、精确抓取、对齐位置并正确插入。
在有限的额外演示和微调下，该模型能够学习这些精细操作技能，而一个具身智能体则负责将各个步骤协调成完整的拼装流程。
这些示例共同展示了预训练如何构建通用基础，既支持任务的直接迁移，也支持进一步的适应性调整。
后训练扩展：通过物理与虚拟交互实现提升
仅凭通用能力，机器人无法可靠地完成每一项复杂任务。正如人类通过反复练习打磨技能一样，机器人也需要机会去实验、获取反馈并改进其动作策略。
针对GO-3 Preview的后训练阶段，智元机器人开发了Genie Evolver，这是一套分布式混合环境训练系统，结合了由100台实体机器人组成的机群、物理仿真与世界模型。
通过扩大交互的规模和多样性，Genie Evolver使机器人能够同时从物理执行和虚拟探索中学习，并通过反馈持续优化动作策略。该系统融合了三种互补的学习环境。
实体机器人：从集体经验中学习
在真实环境中，Genie Evolver利用CEL（Collective Experience Learning，集体经验学习）汇集多台机器人的执行经验。成功的轨迹提供了有效动作的范例，而失败尝试的相关背景则有助于识别需要改进之处。
通过检索相关的成功经验并更新共享策略，CEL使单个机器人习得的经验能够惠及整个机群。系统使集体经验可被重复利用，而无需每台机器人都独立地学习一切。
物理仿真：拓展交互范围
物理仿真提供了受控环境，机器人可以在不同条件下进行练习和评估。
这些环境拓展了可用于训练的物理交互和场景范围，同时能够在一致的条件下重复实验。这使得探索替代策略、提升在更广泛场景中的鲁棒性成为可能。
物理仿真帮助机器人在多样化场景中练习和提升。
世界模型：探索多种可能的未来
世界模型使系统能够通过探索不同的结果，从每次真实经验中学到更多。
Genie Evolver不是将一次交互视为单一的动作序列，而是可以回溯关键决策点，在世界模型中测试不同的可能动作，并预测比较其结果。这些探索所得的反馈随后被用于优化动作策略，优化后的策略又可在实体机器人上进行测试。
这些环境共同构成了一个持续改进过程，真实世界执行、仿真与未来状态探索相互强化。智元机器人通过多项需要精确性、适应性和快速决策的操作任务展示了这一方法。
在桌面冰壶任务中，机器人必须同时控制每次出手的力度与角度。力度过小可能无法撞动对方的冰壶，而力度过大则可能使己方冰壶滑出得分区域。成功的关键在于兼顾冰壶位置，把握恰当的力度平衡。
据智元机器人介绍，在结合真实交互与世界模型学习进行仅数小时的练习后，该机器人的胜率已超过普通人类玩家的水平。
积木抽取任务则带来了不同的挑战：每一次成功操作都会改变下一步的条件。当一块红色积木被移走后，其余积木的位置与朝向可能发生变化。这些变化会影响后续决策，使得仅靠固定动作序列难以完成任务。
借助积累的经验，机器人能够在每次操作后重新评估积木堆叠状态，调整策略，持续抽取目标积木直至完成任务。
将球投入移动的篮筐则是一个更具动态性的挑战。与静止目标不同，移动的篮筐给机器人留下的观察、预测和反应时间更短。机器人必须快速识别篮筐位置，同时实时调整投掷的力度与角度。
对快速变化条件的准确预测同样重要，这使机器人能够协调其动作，在恰当的时机释放球。这些演示共同说明了GO-3 Preview如何通过反复交互、反馈与策略优化来提升其操作能力。
部署后扩展：通过真实工作实现学习与提升
即便经过充分的预训练和后训练，机器人在部署到真实环境后，仍不可避免地会遇到此前从未见过的情况。传统上，解决此类问题往往需要人类工程师修改代码、采集额外数据或手动调整机器人的行为。
这限制了部署后能力提升的速度。智元机器人的方案是将学习延伸至部署阶段本身，让机器人在执行真实任务的同时实现能力提升。
通过其具身智能体框架Genie Master，智元机器人将规划、执行、反馈与经验留存连接起来，帮助机器人适应新挑战并持续发展能力。Genie Master引入了EEP（Embodied Execution Protocol，具身执行协议），标准化了四类接口：能力、指导、反馈与连续性。
这些接口使具身智能体能够识别机器人具备哪些可用能力、确定任务应如何执行、评估结果是否满足预期要求，并追踪尚未完成的工作。
通过连接这些功能，Genie Master帮助机器人协调任务执行、识别故障、从异常中恢复，并留存有用的操作经验。
关键在于，这些经验可以通过两条互补的学习路径助力未来的能力提升。第一条路径将操作经验转化为长期记忆。在任务规划与执行过程中，系统会记录成功与失败的尝试，捕捉可为后续决策提供参考的经验教训。
在每日运行结束时，模型会将这些经验中可复用的知识整合进长期记忆。
当遇到类似任务或情境时，智能体可以检索相关的过往经验，以指导任务规划、改进决策并支持故障恢复。这使得在一项任务中习得的经验教训，能够成为未来运行中的有用知识。
第二条路径将执行经验转化为更优的动作策略。在智能体协助执行、必要时接管控制并支持故障恢复的过程中，系统会生成记录问题、调整和结果的轨迹与反馈数据。
这些记录可被处理并用于机器人动作策略的进一步训练。随着时间推移，有效的调整可被纳入模型参数，将实践经验转化为可在后续任务中复用的能力。
这形成了一个反馈循环：部署不仅是运用现有技能，也是产生新学习机会的过程。
智元机器人已通过其Genie G2机器人在真实便利店环境中展示了这一方法。借助Genie Master的驱动，该机器人能够在执行操作任务的过程中识别任务失败的原因、调整策略并积累经验。
据智元机器人介绍，该机器人在无需依赖人类示范或手动调优的情况下，在多项需要精确操作的复杂任务中持续取得进步。
该公司将这一演示描述为"无人干预下的自主提升"案例，即机器人从自身的操作经验中学习，而非完全依赖外部干预。
智元机器人还将这一案例称为在真实商业环境中进行的"物理世界递归自我提升"（Physical RSI）演示，将自我提升的概念从仿真与实验室环境延伸至现实场景。
这一方法的意义在于将真实世界的执行与持续学习连接起来。Genie Master没有把部署视为模型开发的最后阶段，而是让操作经验成为持续改进的资源。
从GO-1到GO-3：将扩展贯穿整个学习生命周期
从GO-1引入的ViLLA框架，到GO-2率先采用的动作思维链方法，智元机器人持续拓展其具身智能模型的能力边界。
GO-3 Preview代表了这一发展方向的下一步，将扩展范围从预训练延伸至后训练及部署后学习。
其在RoboDojo、RoboTwin和RoboColiseum三大评测中的榜首成绩，连同在任务迁移、复杂操作与真实世界适应方面的展示，凸显了这种全生命周期方法的潜力。
GO-3 Preview、Genie Evolver与Genie Master并非依赖单一阶段的改进，而是将三个关键过程连接起来：通过预训练培养通用能力，通过物理与虚拟交互打磨动作策略，并将真实世界的操作经验转化为持续学习。
随着数据、反馈与经验形成持续循环，该系统旨在帮助机器人随时间不断拓展其能力。
对智元机器人而言，全生命周期扩展代表了一条从习得技能到应用、复用并提升技能的路径——使机器人能够将所学转化为实际表现，让每一项真实世界的任务都成为变得更加能干的机会。
