✕

AI咨询

每日早报 投融资 最新技术 行业应用 大模型进展

AI知识

AI工具库 AI智能体 AI编程 Hermes 使用 Codex 使用 Claude Code 学习路径 Prompt模板库

AI应用

最佳实践 企业落地 AI赚钱 OPC 一人公司 落地SOP AI成熟度诊断 咨询预约

其他

AI 问答 关于本站
首页 / 最新技术 / 正文

生数科技Motubrain团队将直播Physical AI训练全流程,持续半个月

事件

生数科技世界模型团队于10月21日正式开启Motubrain 2.0训练全流程公开直播,计划持续半个月,向公众展示具身模型的训练过程与研究进展。Motubrain系列是生数科技研发的具身模型,目标是为机器人构建具备通用能力的“大脑”,探索不同任务、场景和机器人本体之间的能力泛化。Motubrain 2.0即将开源,团队选择在开源前率先公开训练全流程。

此次公开训练涵盖四个环节:预训练阶段观察训练规模对模型性能及零样本泛化能力的影响;后训练阶段针对具体任务进一步训练,提升任务执行能力;Agent任务执行环节探索模型能否将已有经验迁移到其他任务;RSI(递归自我改进)探索则研究模型能否根据执行反馈评估并改进自身行动。直播的核心问题是Physical AI究竟如何实现——相比大语言模型,物理人工智能还需解决动作决策、任务执行和跨场景泛化等问题。

过去外界了解具身智能进展主要依靠机器人演示、评测结果和论文,模型训练过程与各阶段能力变化难以直接观察。Motubrain 2.0公开从训练、测试到能力迭代的全过程,包括失败、试错和调整,让研究者和开发者不仅看到最终结果,也能了解训练中的具体问题及改进方式。相关研究仍处探索阶段,具体效果有待后续实验和评测验证,但这种透明化尝试对规模化训练、跨任务泛化和自主改进等关键问题的探讨具有参考价值。

来源

本条目由采集管线自动抓取并发布,完整内容见下方来源链接。

*采集源:雷锋网*

📎 原始来源:雷锋网
本站内容为摘要与观点整理,不全文转载原文;版权归原作者所有。
💬 对这篇还有疑问?

直接问 AI,回答带站内出处。

就这篇提问

相关内容