探索RSI，生數新世界模型讓機器人開始自我進化

生數科技近日正式發表全新一代世界模型「Motus2」，這款模型突破以往機器人僅能依照既定程式運作的框架，首度整合觸覺、靈巧操作與視覺等多種感知模態，賦予機器人自我進化的能力。不同於傳統模型只能執行單一任務，Motus2能夠在同一時間完成行動、預測與評估三項作業，形成一套完整的閉環學習機制，讓機器人在實際運作中不斷調整與優化自身行為。過去機器人系統多半仰賴人類工程師預先編寫的指令，或是透過大量標註資料進行訓練，但這種模式最大的限制在於機器人無法即時應對未曾見過的環境變化。Motus2的設計從根本上改變了這項困境。

它導入世界模型的概念，讓機器人不僅能根據當前環境做出反應，還能即時預測下一步可能發生的變化，同時對自身表現進行評估與調整，逐步提升自主決策的精準度。這意味著機器人不再只是被動接收指令的工具，而是能夠在運作過程中持續累積經驗、修正行為模式的主動學習者。根據生數科技公布的內部測試數據，Motus2在通用任務測試中的成功率較前一代模型有顯著提升。雖然該公司並未逐一揭露各項任務的詳細數字，但業界分析普遍認為，這項突破為機器人從單純執行任務邁向自主進化提供了關鍵的技術支撐。

尤其在需要高精度操作的工業生產線、物流揀貨、醫療輔助乃至於服務型機器人等場景中，Motus2所帶來的即時感知與動態調整能力，將大幅降低機器人因環境變異而產生錯誤的風險。傳統機器人常因感測器資料有限或處理延遲，導致在操作柔軟物體、不規則零件或動態環境時失敗率偏高。Motus2透過整合觸覺回饋，讓機器人能夠「感受」抓取物體的材質、硬度與滑移程度，進而即時調整施力大小與夾取角度。加上靈巧操作模態的支援，機器手可以執行更為細膩的動作，例如轉動螺絲、翻摺布料或組裝精密元件。這些功能在過往往往需要人類反覆介入校正，而現在機器人可以在自我評估機制的引導下逐步改善手法，甚至發展出未曾被程式設計過的解決方案。

生數科技研發團隊指出，Motus2的核心在於將預測與評估編織進每一個行動決策迴圈。傳統模型多半是「感知—行動」的單向鏈結，機器人看到障礙物就繞行、看到目標就靠近，但缺乏對於後果的想像。Motus2則讓機器人在做出動作之前，先在內部模擬未來數秒的場景變化，並根據模擬結果選擇最有利的行動方案。完成動作後，模型會比較實際結果與預測結果之間的落差，並將這項誤差回饋至學習系統，作為下一次預測的修正依據。這種連續迭代的機制，讓機器人無需人工重新訓練就能在真實世界中自主進步。業界觀察人士認為，Motus2的發布標誌著機器人開發進入新階段。

過去數年，大型語言模型與多模態模型在靜態任務上屢創佳績，但機器人所需的面臨的是動態、不確定且充滿物理限制的環境。Motus2把世界模型的理念落實在機器人本體上，讓機器人不僅僅是執行器，更是一個持續學習與適應的載體。這對於需要長時間穩定運作的自動化產線、危險環境探勘、遠端手術輔助等應用，都有直接的潛在效益。值得注意的是，Motus2並未完全脫離過去深度學習的訓練框架。生數科技表示，模型在推出前仍須透過大規模的模擬資料與少量真實任務資料進行初始訓練，以建立基本的感知與操作能力。但一旦部署到實際場域，Motus2便啟動閉環學習機制，持續利用執行過程中產生的經驗資料進行自我優化。

這種「先預訓練、後自主進化」的混合路線，既節省了人工標註成本，又確保機器人在開箱後就能具備一定水準的操作能力，並隨著使用時間越長而越臻成熟。在工業場景中，產線上的機器人經常面臨產品規格變更、物料批次差異或設備磨損等變數。傳統作法需要工程師重新調整參數或更換夾具，造成產線停機與人力開支。若導入Motus2，機器人可以透過觸覺與預測能力自行適應新的工件尺寸與重量，並在幾輪嘗試後找到最穩定的抓取與組裝策略。同樣地，在服務型機器人領域，例如居家照護或餐廳送餐，機器人必須應對不同體型的使用者、擁擠的走道或臨時擺放的障礙物。Motus2的即時評估與調整能力，有助於提高服務的可靠度與安全性。

生數科技目前尚未公開Motus2的具體參數量、推理延遲或硬體需求，但根據其公布的測試結果，模型在通用任務上的成功率較前一代提升幅度相當可觀。該公司也表示後續將開放部分API與開發工具，讓學術研究機構與垂直行業合作夥伴能夠基於Motus2進行二次開發與場景定製。業界預期，隨著更多團隊投入世界模型與機器人閉環學習的研究，未來幾年內機器人自主適應能力的邊界將會被大幅拓展。整體而言，Motus2代表的是一種從「被動工具」到「主動學習者」的轉型。機器人不再只是人類手腳的延伸，而是可以自己摸索、自己修正、自己進化的智慧體。

雖然距離全面商用化可能還需要克服成本、算力與安全驗證等挑戰，但生數科技這一步確實為整個機器人產業打開了全新的想像空間。