Motus2世界模型支持自進化

生數科技正式推出新一代世界模型 Motus2，這款模型的問世不僅代表技術架構的全面升級，更在機器人自主學習與環境互動的領域中，畫下一個關鍵的里程碑。不同於過往模型將感知、決策與執行模組各自獨立設計，Motus2 首度將行動、預測與評估三大核心功能整合在同一套統一系統架構中，從根本上解決了模組間資訊傳遞延遲與邏輯斷裂的問題，讓機器人在面對真實世界任務時，能夠流暢地串接從環境感知、意圖判斷到動作執行的完整流程。這項整合設計的出發點，在於提升機器人對複雜環境的認知能力。以往機器人往往只能被動接收指令，或者依照預先編寫好的程式執行固定動作，一旦遭遇未預期的環境變化，就容易出現判斷失誤或執行中斷。

Motus2 透過將預測與評估功能內建於同一運算框架中，讓機器人能夠即時根據當下感知到的資訊，模擬多種可能結果，並從中選出最佳行動方案，真正具備了接近人類的自主決策水準。相較於前一代模型，Motus2 最顯著的技術突破在於新增了觸覺感測與歷史軌跡資訊的輸入管道。觸覺感測的加入讓機器人能夠感知物體的材質、硬度、表面紋理等物理特性，這在精細操作任務中尤其重要，例如抓取易碎物品或進行組裝作業。而歷史軌跡資訊的導入，則代表模型在訓練與迭代過程中，不再只依賴成功經驗的正面回饋，也能從失敗的執行歷程中擷取有價值的數據。這樣的設計具有深遠的意義。

過去機器人學習時，失敗的嘗試往往被視為無效數據而被忽略，但實際上，每一次失敗都蘊含著關於環境限制、動作誤差與策略盲點的資訊。Motus2 能夠系統性地記錄並分析這些負面樣本，將其轉化為後續策略優化的養分，形成一種自我迭代的進化機制。透過這類機制，世界模型可以在更多元的感知條件下持續調整行為，累積更貼近實際運作需求的決策能力，進而逐漸擺脫對大量人工標註數據的依賴。從技術架構來看，Motus2 所採用的多模態感知融合策略，是實現自我迭代的關鍵。視覺、觸覺、本體感覺（如關節角度與力矩）以及歷史軌跡，這些原本各自獨立的資訊流，在模型中經過精心設計的對齊與融合層，被轉換為統一的特徵表示。

這樣的處理方式不僅提升了模型對環境的整體理解，也讓評估模組能夠更精確地判斷每一步行動的後果，從而提前修正錯誤的動作序列。生數科技也公布了初步的測試結果，為新模型的效能提供了具體佐證。在真實機器人執行高難度任務的場景下，Motus2 的平均成功率已從原本的 65% 提升至 75%。這 10 個百分點的進步，雖然看似不大，但在機器人實務應用中卻意義重大。所謂高難度任務，通常涉及多步驟操作、動態環境變化、以及需要精細力控制的動作，例如從雜亂的零件箱中揀選特定螺絲並鎖入孔位，或者在移動中的輸送帶上完成組裝。

此類任務對模型的穩定性與適應性要求極高，過去機器人往往只能在結構化的實驗室環境中達到較高成功率，一旦移至工廠或家庭等真實場景，效能便大幅下滑。Motus2 的成功率提升，反映出多模態感知與自我迭代機制的導入，正推動世界模型在實務穩定性與適應性上加速突破。觸覺資訊讓機器人能夠即時感受接觸力的大小與方向，避免過度施力造成破壞；歷史軌跡則讓模型能夠辨識常見的失敗模式，並在類似情境中主動避開。更重要的是，自我迭代機制使得模型可以在每次執行後自動進行微調，即使面對全新的任務組合，也能在數次嘗試後快速適應。這項進展也為未來機器人自主學習與執行複雜動作開拓了更多可能性。

過去業界普遍認為，要讓機器人學會一項新技能，需要工程師花費大量時間編寫程式或收集數千筆標註數據進行訓練。然而，Motus2 展現出的自主進化能力，意味著未來機器人可能只需少數幾次示範，甚至僅憑失敗經驗，就能自行摸索出正確的執行策略。這將大幅降低機器人的部署門檻，讓自動化技術能夠更快地滲透到製造業、物流倉儲、醫療輔助、家庭服務等各個領域。值得注意的是，生數科技對 Motus2 的定位並非單純的機器人控制軟體，而是作為一個通用世界模型的基礎平台。世界模型的概念源自於認知科學與人工智慧的交叉領域，核心目標是讓機器對其所處的環境建立一個內部的因果模擬器，能夠預測不同行動會帶來的後果。

Motus2 正是這條技術路線上的具體實現。透過行動、預測、評估三大功能的閉環整合，模型不僅能執行任務，還能不斷修正自己對世界的理解，逐步逼近真實物理規律。在產業應用層面，Motus2 的發布也引發了機器人廠商的重視。由於其自我迭代的特性，機器人在出廠後仍可持續進化，無需每次更新都仰賴雲端運算或人工介入。這對於需要長時間穩定運行的自動化產線，以及那些網路連線不穩定的偏遠地區應用場景，具有極大的吸引力。此外，觸覺感測的支援也讓機器人能夠處理更廣泛的材質與形狀，拓展了可操作的工件類型。整體而言，生數科技 Motus2 的推出，標誌著世界模型從理論研究走向工程實踐的重要一步。

它證明了透過整合多模態感知與自我迭代機制，機器人可以在真實世界中實現顯著的效能提升。雖然目前 75% 的成功率距離人類操作員的可靠度仍有差距，但這條技術路徑的可行性已經獲得驗證，未來隨著模型規模擴大與訓練數據累積，預期將進一步逼近甚至超越人類水準。業界也密切關注生數科技後續是否會開放 Motus2 的開發框架，讓更多研究機構與企業能夠基於此平台開發專屬的機器人解決方案，進一步加速自主智能機器人的時代到來。