Skip to content

新闻公众号5 天前

生数Motubrain 2.0完成25天公开训练验证具身智能全链路 ​

本文由 AI 根据公开内容整理,可能有误,请以原文为准:生数 Motubrain 2.0 收官首个物理 AI 全程公开训练直播(公众号:生数科技(Vidu·视频)(via AIHOT))

核心内容 ​

生数科技宣布Motubrain物理AI 2.0版本完成为期25天的全程公开训练直播,标志着该模型从预训练、后训练到Agent与RSI探索的全阶段验证收官。此次训练针对20B参数规模模型,累计执行超过1万次真机任务测试,并在RoboCasa365、EBench、LIBERO-Plus等6项主流具身智能Benchmark中取得前列成绩,验证了物理AI在开放环境下的泛化能力与工程落地可行性。

技术层面,Motubrain 2.0构建了包含250万小时的多源异构数据集,其中互联网视频数据约200万小时,专用具身数据约50万小时,支撑模型对物理世界规律的理解。系统架构覆盖从基础预训练到下游Agent策略生成的完整链路,通过大规模真机实测闭环迭代,解决了纯仿真训练与真实物理交互间的Sim-to-Real鸿沟,为具身大模型的数据配比与训练范式提供了量化参考。

关键看点 ​

  • 数据规模:采用250万小时混合数据集,含200万小时互联网视频与50万小时具身专用数据,支撑20B参数模型物理认知构建。
  • 真机验证:累计完成超1万次真机任务测试,覆盖预训练至Agent探索全流程,验证模型在真实物理环境中的交互稳定性。
  • 基准性能:在RoboCasa365、EBench、LIBERO-Plus等6项具身智能核心Benchmark中位列前茅,量化评估泛化与操作能力。
  • 训练范式:首创25天全程公开训练直播模式,完整展示从预训练、后训练到RSI探索的技术路径与收敛过程。

工程与产业观察 ​

Motubrain 2.0通过250万小时多源数据与万次真机测试的闭环验证,确立了“视频预训练+具身微调+真机强化”的物理AI训练范式。其20B参数模型在多项Benchmark的优异表现,证明了高质量具身数据与大规模互联网视频混合训练对提升机器人泛化操作能力的有效性,为行业提供了可复现的工程化参考坐标。

线索来源:AIHOT

基于本页技术方向关联的整机参数、核心零部件、实测报告与同赛道选型横评。

外部来源

本页事实对应的公开页面,以原文为准。(点击将离开本站)

  1. 公众号:生数科技(Vidu·视频)(via AIHOT):生数 Motubrain 2.0 收官首个物理 AI 全程公开训练直播 ↗访问 2026-11-18