「为行动而生」生数科技发布通用世界动作模型 Motubrain

今天，生数科技正式发布通用世界动作模型 Motubrain。作为公司在世界模型方向的重要里程碑，Motubrain 定位于具身智能机器人的通用大脑，具备多本体适配、多任务泛化和长程任务执行能力，能够支撑机器人在家庭、工业、商业等真实场景中，更稳定地完成连续复杂任务。

Motubrain 的核心突破，在于将“看到的世界”和“要执行的动作”放入同一个模型中统一建模，让机器人不仅能理解环境，也能想象/预测环境变化，并生成可执行的行动策略。

具体来看，Motubrain 基于原创的 UniDiffuser 框架统一建模视频与动作两类连续模态，使模型能够同时学习环境变化、动作执行与任务结果之间的关系。通过一次训练，Motubrain 即可支持 VLA、视频生成、逆动力学模型、视频-动作联合预测等多种能力，不再依赖多个模型分别完成感知、预测、规划和执行。

在此基础上，Motubrain 进一步构建了视频、动作与语言协同的三流 MoT 架构，融合已有多模态预训练模型和专家模型能力，使模型能够同时完成场景理解、语言指令遵循、结果预测和动作生成。相比传统方法中感知、规划、执行各环节相互割裂的方式，Motubrain 以统一架构打通完整任务链路，从而具备更强的语义理解能力、指令遵循能力和端到端行动能力。

更重要的是，统一建模让 Motubrain 能够从更广泛的数据中持续学习。它不仅可以吸收完整的机器人任务轨迹数据，也能够利用缺少动作标注的视频数据、缺少语言指令的任务无关数据，以及来自不同机器人本体的视频、动作和语言数据。Motubrain 打破“数据墙”，充分利用海量异构数据，具有更强的可扩展性和泛化能力。

因此，Motubrain 不只是让机器人“学会执行动作”，而是让机器人具备理解世界、预测世界并作用于世界的能力。围绕这一目标，Motubrain 形成了四项关键能力：

一脑多能，应对多种任务。Motubrain 能够在多任务场景中保持稳定表现，不再局限于单一任务训练。随着任务数量持续增加，任务之间的共享世界知识越多，模型的平均任务成功率也同步提升，展现出更强的多任务统一能力与泛化能力。

一脑多型，适配多种本体。Motubrain 并不是为某一种机器人量身定制，而是面向多机器人本体设计的统一智能底座。它打破了“一个机器人一个模型”的传统模式，随着生态内机器人种类、场景和数据不断丰富，模型能力还能持续提升。

一脑贯通，长程任务一步完成。Motubrain 能够直接学习完整任务链路，无需上层规划、任务拆解、快慢双系统或多模型拼接，在复杂长程任务中实现更高的成功率。一个 World Action Model 即可完成 10 个原子动作级别的复杂长程任务。

一脑预见，实现动态决策。Motubrain 不只是执行指令，更能够理解世界并预测环境变化，并据此推演更合理的动作与运动路径。通过将理解世界、预测世界和执行动作统一建模，实现“预测世界，也驱动行动”。

Motubrain 此次发布最引人瞩目的成绩，是在两个长期被视为“不同能力极点”的国际权威榜单上同时问鼎。其中，WorldArena 聚焦世界模型能力，衡量模型是否真正理解和预测物理规律；RoboTwin 2.0 聚焦机器人执行能力，衡量模型在复杂、随机环境中的任务执行与泛化能力。

在 WorldArena 测试中，Motubrain 在动作真实度、轨迹连贯性以及物理平滑度等关键维度均斚获第一，展现出对真实物理运动规律的深刻理解。

在 RoboTwin 2.0 中，Motubrain 面对 50 个复杂任务，平均得分达到 96.0，成为榜单上唯一一个在随机环境下平均分超过 95 的模型，表现出极强的任务执行稳定性与跨场景泛化能力。

这意味着，Motubrain 的领先并不止于单项能力突破，而是在同一模型框架中更系统地统一了“看懂世界”与“驱动行动”。过去那种“会看不会动”或“能动但缺乏预判”的技术断层，正在被进一步打通。

在世界模型的技术演进中，生数科技坚定选择了一条更前沿、也更具挑战性的路线——World Action Model（WAM）。早在 2025 年 12 月，生数科技便正式开源 Motus，早于行业约 2 个月提出并验证了 World Action Models 的核心思想。

在 Motus 的基础上，Motubrain 作为商用模型版本，进一步面向真实机器人场景完成系统升级，将 World Action Models 从技术验证推向更通用、更可落地的具身智能大脑。

首先，Motubrain 支持任意视角数量的统一建模。它能够打通不同相机配置和视觉输入形态，让模型不再依赖固定视角或固定传感器组合。

其次，Motubrain 引入独立的语言理解通路。语言不再只是附加在视觉特征上的条件输入，而是深度参与行动生成过程，打通高层语义理解与低层动作控制之间的交互。

第三，Motubrain 通过统一 Action 表征打通不同机器人本体。模型学习的不再是某一台机器人的动作格式，而是跨本体可迁移的行动规律，从而支持不同形态机器人之间的能力复用与持续进化。

第四，Motubrain 具备更强的长程任务执行能力。通过自回归与 Diffusion 结合，以及语言、动作、视频三流 MoT 架构，模型能够直接完成超过 10 个原子动作级别的长序列任务。

最后，Motubrain 支持超大规模具身模型的实时闭环控制。通过云、边、端协同推理机制，大参数量具身基座模型也能够在真实机器人系统中实现实时响应，让更高智能水平的模型真正进入物理世界执行任务。

Motubrain 并不仅仅是一次模型产品发布，而是生数科技通用世界模型战略在物理空间上的关键落子。

长期以来，生数科技持续围绕通用世界模型（Foundation World Model）进行布局，向上延展出贯通数字空间与物理空间的双轨体系，形成面向通用智能的核心基础架构。

在数字空间，生数科技基于世界生成模型（WGM）打造视频大模型产品 Vidu，持续推动AI在内容生成、交互与数字生产力场景中的落地。在物理空间，生数科技基于世界动作模型（WAM）推进具身智能方向，持续探索机器人在真实世界中的理解、预测与执行能力统一。

这背后的底层支撑，是生数科技基于全球首创 Diffusion-Transformer 融合架构 U-ViT 所构建的多模态能力体系。通过持续积累视觉、听觉、触觉等多模态信息，生数科技正不断完善对世界的统一认知、建模与推演能力，为数字世界和物理世界的智能应用提供共同底座。

由此，生数科技正在逐步构建起一条贯通理解世界、生成世界与行动于世界的完整闭环，让通用世界模型真正成为连接数字世界与物理世界的桥梁。

技术的高度决定上限，落地的深度决定规模。Motubrain 的意义，不仅在于它验证了“通用机器人大脑”的可行性，也在于它正开始沿着产业路径向真实世界延展。

近期，生数科技已先后与业内领先的具身智能公司无界动力、深朴智能、星尘智能等企业达成战略合作，围绕通用具身智能大脑方向展开协同，持续推进基础模型演进、多模态与具身数据融合、高质量数据体系构建，以及软硬件一体化优化等关键能力建设。

通过与机器人本体、数据、场景和应用生态伙伴的持续联动，生数科技正以通用世界模型重新定义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，构建面向真实世界应用的开放生态体系。

如果说 Motubrain 回答的是“通用大脑能不能成立”，那么与具身智能企业的深度联手，则进一步回答了“这样的通用大脑如何走进真实场景”。这意味着，生数科技正加快形成一条从通用世界模型到机器人本体适配，再到真实场景落地的完整链路。