生数科技推出通用世界行动模型 Motubrain

生数科技推出通用世界行动模型 Motubrain

近日，生数科技发布了其通用世界行动模型Motubrain，标志着公司在世界模型领域的技术布局迈出了关键一步。该模型专注于为具备感知能力的智能机器人提供统一的智能中枢，具备多机器人适配、多任务泛化与长序列任务执行等能力，使其能够在家庭、工业和商业等复杂现实环境中稳定地执行连续任务。

Motubrain 的核心创新在于将“感知世界”与“执行动作”统一建模，使机器人不仅能准确识别环境状态，还能预测其演变趋势，并据此生成合理的执行策略。

该模型基于生数科技自主研发的 UniDiffuser 架构，实现了对视频与动作两种连续模态的统一建模。通过一次训练，Motubrain 即可同时具备视频生成、VLA（视觉-语言-动作）、逆动力学建模以及视频-动作联合预测等能力，无需依赖多个独立模型完成感知、规划和执行。

进一步地，Motubrain 引入了视频、动作与语言融合的三流 MoT 架构，整合多模态预训练模型与专家模型的能力，使系统能够同步完成场景理解、语言指令处理、任务预测及动作生成，显著提升了任务链的完整性与效率。

与传统方法中各模块相互割裂的流程不同，Motubrain 通过统一建模打通了完整任务链路，强化了其在语义理解、指令响应以及端到端执行方面的表现。

得益于统一建模的优势，Motubrain 能够从多样化的数据中持续学习。它不仅可利用完整的机器人任务数据，还能够从缺乏动作标注的视频数据、任务无关的异构数据，以及来自不同本体的视频、动作与语言数据中提取有效信息。相较于传统 VLA 模型主要依赖特定机器人训练数据的方式，Motubrain 显著提升了数据利用率与模型的泛化能力。

这使得 Motubrain 不再只是“学会执行动作”，而是具备了理解环境、预测变化并主动干预的能力。

四大能力，支撑复杂任务执行

一脑多能，适应多种任务。 Motubrain 能在多任务场景下保持稳定性能，不再受限于单一任务训练。随着任务数量增加，模型在各类任务中积累的共通世界知识也越多，整体任务完成率随之提升，展现出更强的任务统一性与泛化性。

一脑多型，适配多种本体。 Motubrain 作为面向多种机器人本体的智能底座，打破了“一个机器人一个模型”的传统模式，具有良好的异构数据处理能力，随着生态系统中机器人类型和数据不断扩展，其通用性与适应性也将持续增强。

一脑贯通，长程任务一步完成。 Motubrain 可以直接学习完整的任务链，无需依赖上层规划、任务拆解或多模型协同。其成功完成超过 10 个原子动作的长程任务，标志着机器人在复杂场景下具备更强的持续执行能力。

一脑预见，实现动态决策。 Motubrain 不仅执行指令，还能理解并预测环境变化，根据预测结果调整动作路径，实现在动态场景中的持续判断与行动。

这些能力已拓展至多种真实场景：在家庭环境中，可支持备餐、整理与服务；在工业领域，能完成分拣、搬运与装配；在商业服务中，则可执行导览、取送与陈列整理等多步骤任务。

目前，Motubrain 已在 WorldArena 与 RoboTwin 2.0 两项国际权威榜单中取得领先，验证了统一建模在“预测世界”与“驱动行动”方面的有效性，也标志着通用物理智能模型正逐步走向落地。

双榜登顶：预测与执行能力并重

Motubrain 的突出表现，在于其在两个长期被视为“技术极点”的榜单中均位列第一。其中，WorldArena 关注世界模型对物理规律的理解能力，RoboTwin 2.0 则聚焦机器人在复杂环境下的任务执行与泛化能力。

这两个榜单分别代表了具身智能领域最核心的两方面能力：一是对现实世界的理解与预测，二是与现实世界的互动与干预。

在 WorldArena 测试中，Motubrain 在动作质量、轨迹连贯性与物理平滑度等关键指标中位列第一，展现出对物理运动规律的深刻建模。

而在 RoboTwin 2.0 中，Motubrain 在 50 个复杂任务中平均得分达到 96.0，成为唯一一个在随机环境下的平均分突破 95 的模型，展现出极高的任务执行稳定性与场景泛化能力。

这一成绩不仅意味着 Motubrain 在单项技术层面取得了突破，更证明其在统一建模上实现了“看懂世界”与“驱动行动”的系统性融合。

从 Motus 到 Motubrain：World Action Model 引领具身智能新路径

在世界模型技术演进中，生数科技选择了更具前瞻性的路径 —— World Action Model（WAM）。早在 2025 年 12 月，生数便开源了 Motus，提前约 2 个月提出了 WAM 的核心理念，为通用世界行动模型打下了基础。

基于 Motus，Motubrain 作为其商用版本，进一步面向真实机器人场景完成系统升级，推动 WAM 技术从验证走向落地。

支持任意视角的统一建模。 Motubrain 能适配不同相机与视觉配置，不再依赖固定视角或传感器组合，增强在复杂感知条件下的适应能力。

引入独立语言理解通路。 语言不再只是视觉的辅助输入，而是深度融入动作生成过程，实现高层语义与底层执行的融合，增强指令响应能力。

统一动作表征，支持多本体适配。 模型学习的不再是特定本体的动作格式，而是跨本体可迁移的通用行为模式，提升机器人能力的复用性与进化潜力。

具备更强的长程任务执行能力。 通过自回归与扩散机制结合，以及三流 MoT 架构，Motubrain 可直接完成超过 10 个原子动作的复杂任务，减少对上层任务分解与多模型拼接的依赖。

支持大规模模型的实时闭环。 通过云边端协同推理，Motubrain 能够在高参数量模型下实现物理世界的实时响应，推动高阶智能模型落地执行。

从 Motus 到 Motubrain，生数科技正持续推动 WAM 技术的发展，构建起多视角、多任务、多本体与长任务链的完整闭环。

从数字空间到物理空间：生数科技通用世界模型战略逐步完善

Motubrain 的推出，标志着生数科技通用世界模型战略在物理空间的进一步落地。

长期以来，生数科技围绕通用世界模型（Foundation World Model）进行技术布局，形成数字与物理空间双轨并行的发展路径，为通用智能构建基础架构。

在数字空间，生数科技依托世界生成模型（WGM）推出视频生成大模型 Vidu，持续推动 AI 在内容创作与数字生产力方面的应用。

在物理空间，公司基于世界行动模型（WAM）推动具身智能发展，不断探索机器人对现实世界进行理解、预测与执行的能力。

这一切都建立在生数科技首创的 U-ViT（Diffusion-Transformer 融合架构）之上。通过融合视觉、听觉、触觉等多模态信息，公司不断提升对现实世界的建模与推演能力，为数字与物理世界的智能应用提供统一基础。

由此，生数科技正在逐步构建一条贯穿“理解世界、生成世界、行动于世界”的完整闭环，让通用世界模型真正成为连接两个空间的桥梁。

从实验室走向产业：生态协作加快落地

技术的高度决定了其潜力，而落地的深度则决定了其影响力。Motubrain 的意义，不仅在于验证了“通用机器人智能中枢”的可行性，更在于它正沿着产业路径深入现实。

目前，生数科技已与多家具身智能企业建立战略合作，包括 无界动力、深朴智能 和 星尘智能 等，围绕通用具身智能大脑展开协同，推动基础模型演进、多模态与具身数据融合、高质量数据体系建设及软硬件一体化优化。

通过与机器人本体、数据、场景与应用生态的深度整合，生数科技正以通用世界模型重塑具身智能的技术底座，推动世界模型与机器人系统深度融合，构建面向真实世界的开放生态。

Motubrain 解决的问题是“通用智能大脑是否可行”，而与具身智能企业的合作，则进一步探索“这样的大脑如何落地”。

这标志着生数科技正在加快构建从通用世界模型、机器人本体适配到真实场景落地的完整技术链条。Motubrain 不仅是一次技术发布，更是其世界模型战略从能力验证走向生态推进、从技术突破迈向产业应用的重要节点。