GO-3 Preview：智元机器人全链路规模化学习的具身智能模型深度评测

1. GO-3 Preview是什么

GO-3 Preview是智元机器人推出的具身智能模型，其核心特色在于实现了从预训练、后训练到部署后的全链路规模化学习闭环。该模型采用WRAM架构，从人类第一视角视频中学习物理世界操作技能；通过Genie Evolver融合真机、仿真与世界模型进行虚实混合后训练；并在部署后借助Genie Master实现持续自我进化。GO-3 Preview已在RoboDojo、RoboTwin、RoboColiseum三项权威评测中斩获第一，并在便利店等真实场景完成落地验证，计划于2026年底全面开源。

技术定位与领域： 属于具身智能（Embodied AI）领域，聚焦于让机器人通过视觉感知、状态预测与动作生成的统一框架，完成复杂物理世界中的操作任务。其定位介于传统模仿学习与通用机器人大脑之间，强调从海量人类视频中获取可迁移的技能表征。

研发背景： 由智元机器人（AgiBot）团队开发，依托其精灵G系列机器人硬件平台进行验证。研发动机源于当前具身智能模型普遍面临的数据稀缺、仿真到真机迁移困难以及部署后无法持续进化三大瓶颈，旨在构建一个能够像人类一样“看会—练会—干会”的完整成长体系。

核心价值： 解决了具身智能领域长期存在的“看得懂但做不准”问题，通过WRAM架构将视觉预测与逆动力学动作生成对齐，并借助KASO机制保证预测与动作协同训练。其CEL群体经验学习机制使学习收益能随真机数量增加而显著提升，硬件规模扩大可直接转化为性能提升。

技术特点： 约90%训练数据来自人类第一视角视频，大幅突破机器人示范数据的规模瓶颈；真机、仿真、世界模型三类环境形成“真机验证—仿真扩展—世界模型探索”闭环，兼顾数据规模、物理真实性与探索深度。

2. 主要功能

• 视频预训练学技能： 从海量人类第一视角视频中学习物理世界的状态变化规律与操作手法，而非依赖昂贵的机器人遥操作数据。该机制使GO-3 Preview具备数百种任务的开箱即用能力，任务覆盖面远超传统机器人示范学习方法，显著降低技能获取成本。

• 未来状态预测（WRAM架构）： 依托CoAE视觉表征模块提取物体位置、形态及相互关系等操作信息，通过SVP单步视觉规划器一次前向计算预测多个未来时刻的视觉状态，再由逆动力学模型将预测状态转化为可执行动作。该流程将“任务理解—未来预测—动作生成”串联为统一可微流程，使机器人具备前瞻性规划能力。

• 虚实混合后训练（Genie Evolver）： 整合真机集群、物理仿真与世界模型三类交互环境，实现“真机验证—仿真扩展—世界模型探索”的三角闭环。世界模型能在动作偏离目标时回溯关键决策点，预测不同力度与角度可能带来的结果，将一次真实经历扩展为多种候选动作的探索起点。

• KASO动作协同筛选： 针对同一任务存在多种合理完成方式的现实情况，KASO机制生成多个候选未来状态，评估各预测与真实动作的相容程度，筛选高质量样本参与联合训练。该机制有效避免了视觉预测与动作学习两个目标相互干扰，保证训练过程协调一致。

• 群体经验学习（CEL）： 面向百台级真机集群并行训练场景，CEL通过检索成功动作片段、分析失败上下文并更新共享策略，将分散个体的试错经验汇聚为群体知识。实验表明，同等训练时间内手机包装任务成功率随真机数量增加从50.8%提升至98.3%，验证了规模化的学习收益。

• 任务规划与异常恢复（Genie Master）： 作为具身Agent编排操作步骤并检查执行结果，在任务中断时保留当前进度并从断点重新规划。该模块还支持将异常处理经验沉淀回模型，使机器人在真实作业中面对滑落、遮挡、缠绕等意外情况时具备自主调整能力。

• 跨本体操作迁移： 同一模型可在不同机器人本体上迁移执行抓取、开门、跪地取物等动作，突破了单一硬件平台绑定限制。该能力得益于预训练阶段从人类视频中学习到的与具体机械结构无关的抽象操作知识。

3. 应用场景

• 便利店零售补货： 智元精灵G2机器人已在真实便利店部署验证，可完成商品识别、补货顺序规划、抓取摆放等完整流程。面对商品滑落、货架遮挡等异常情况时，系统能够自主调整策略、断点续做，展示出任务规划与异常恢复模块在商业环境中的实用价值。

• 熟食打包与外卖封装： 在便利店场景中完成熟食打包、外卖装袋等精细操作，能够识别并处理水瓶被提带缠绕等非结构化异常。每次异常恢复的经验都会通过Physical RSI机制回灌训练数据，形成“干中学”的自我进化闭环。

• 工业制造装配： 真机集群实验中的手机包装任务成功率已达98.3%，多阶段长流程任务失败次数下降92%，适用于3C产品的装配、检测、包装产线。相比传统工业机器人需要人工编程调试，该方案能通过自然操作演示快速适应新工序。

• 展厅交互与科教演示： 乐高连续拼装、桌面冰壶对战、抽积木等任务展示了系统在精细操作与长程决策方面的能力，适合科技馆演示、人机互动体验以及机器人科研教学场景。

4. 如何使用

1. 开源状态确认： GO-3 Preview目前尚未开放下载，计划于2026年底全面开源。用户需关注智元机器人官方渠道获取模型权重、部署工具包与文档，在此之前无法进行本地化部署。

2. 硬件环境准备： 根据模型定位，建议准备具备NVIDIA A100/H100或国产高性能加速卡的GPU服务器，显存不低于40GB（轻量版GO-3 Nano Preview硬件门槛相对更低）。需要支持PyTorch 2.0及以上版本的深度学习框架环境。

3. 真机与仿真环境搭建： 如需复现后训练流程，需配备支持ROS 2的机器人本体（如智元精灵G系列），并搭建物理仿真环境（如MuJoCo、Isaac Sim）以及世界模型推理服务，三者协同构成Genie Evolver的工作基础。具体版本要求以开源文档为准。

4. 任务定义与数据采集： 新场景落地时需用自然语言或示范视频定义目标任务语义，将人类操作视频或真机演示数据按标准格式标注并组织为训练集。KASO筛选机制会自动过滤与真实动作不相容的预测样本，减少人工数据清洗负担。

5. 训练与部署流程： 使用视频预训练权重作为初始化，在后训练环境中执行分布式训练并启用CEL群体学习；训练完成后导出模型部署到目标本体，启用Genie Master进行任务规划与异常恢复，同时配置Physical RSI数据回灌通道实现部署后持续进化。

6. 测试与迭代优化： 在仿真环境中针对摩擦系数、物体位姿、碰撞条件等参数进行泛化测试，优先修复失败率高的子任务；通过真机集群扩增参与学习的本体数量，利用CEL机制在同等训练时间内获得更高的成功率提升。具体训练超参和调优指南需等待官方开源文档发布。

5. 优缺点分析

6. 同类工具对比

选型建议： 若研究团队需要复现详细训练流程并自主扩展技能库，宇树UnifoLM-WLA-1.0因已公开6B权重且提供微调工具链，更适合作为基线模型进行学术研究；若企业需要部署后能持续进化、适应非结构化现场异常的商用机器人系统，GO-3 Preview的Physical RSI机制是当前技术体系中的特色方案，但需等到2026年底开源后才能获得完整工具链。

对于算力资源有限但需要快速验证具身操作概念的中小型团队，建议先采用GO-3 Nano Preview轻量版（待开源后获取）或宇树开源权重进行仿真验证，再逐步过渡到全尺寸模型；对于对数据隐私要求高的工业场景，部署后学习能力强的方案可减少敏感操作数据外传，GO-3 Preview的方向值得持续跟踪。

7. 编辑总结

GO-3 Preview代表了一种值得关注的具身智能技术路线：将人类视频预训练、虚实混合后训练与部署后自我进化连成完整的生命周期，系统性回应了以往模型“训练完即定型”的局限。其WRAM架构将任务理解、未来状态预测与动作生成整合为统一流程，配合KASO协同机制解决预测与动作之间的相容性问题，这在技术架构上比单纯扩大数据规模或模型参数量更具范式意义。从评测结果来看，RoboDojo等三项权威基准的第一名成绩，以及便利店真实场景的成功部署验证，说明该方案并非停留在演示层面，而是具备一定的实际作业能力。

CEL群体经验学习机制带来一个重要的量化结论：在同等训练时间内，手机包装任务成功率从50.8%提升至98.3%，证明了学习收益可随机器人数量增加而扩展。这一特性对规模化部署具身智能体具有直接价值，但百台级真机集群的高硬件门槛也意味着其应用目前更适合资金充足的产业方而非小型学术团队。跨本体操作迁移能力为模型在不同硬件间的复用提供了空间，而Genie Master的任务规划与断点续做能力则补足了执行层可靠性的关键短板。

对于研发团队评估，GO-3 Preview的核心价值在于验证了“在看中学—在练中精—在干中进”这一路径的可行性，其2026年底的开源承诺值得关注，届时可在自主复现基础上评估其在自身场景的适配度。企业用户则可重点关注其便利店场景的标杆效应，作为零售、制造等劳动密集型行业自动化升级的参考方案。随着世界模型与真机数据规模持续增长，这类具备全链路学习能力的模型有望在更多垂直场景形成可量化的效率优势。

8. 常见问题FAQ

Q：GO-3 Preview目前可以下载或商用吗？
A：目前处于Preview测试阶段，官方尚未开放模型权重与代码下载。根据官方公告，将在2026年底全面开源，届时可获取完整模型与部署工具链。商用授权条款需等待开源发布时一并公布。

Q：GO-3 Preview与常规的视觉语言动作模型（VLA）有什么本质区别？
A：GO-3 Preview采用WRAM世界推理动作模型，核心差异在于显式加入了“未来状态预测”模块，通过SVP单步视觉规划器预测多个未来时刻的视觉状态，再经逆动力学模型转化为动作。而常规VLA模型通常直接学习“观测-动作”映射，缺少对物理世界演进过程的显式建模和KASO协同筛选机制。

Q：模型是否支持在非智元品牌的机器人上部署？
A：官方宣称支持跨本体操作迁移，同一模型可在不同机器人本体上执行抓取、开门等动作。开源后建议优先选择与智元精灵G系列运动学结构相近的本体进行适配，差异较大的非结构化构型需自行验证迁移效果。

Q：训练和推理需要什么样的硬件配置？
A：官方未公布具体算力需求，但考虑到百台级真机集群与大规模视频预训练，训练环节需要高性能GPU集群与分布式训练基础设施。轻量版GO-3 Nano Preview的配置门槛预计更低，具体参数规格有待官方公布。

Q：如何将GO-3 Preview部署到特定的垂直场景（如工厂产线）？
A：需经历三个阶段：一是收集目标场景的人类操作视频或真机演示数据，通过视频预训练或微调获得基础技能；二是在真机、仿真、世界模型三类环境中进行虚实混合后训练，通过CEL机制调用多台本体并行试错；三是部署后开启Physical RSI数据回灌，使系统在真实作业中持续积累经验并定期更新策略。

Q：GO-3 Preview在处理长程复杂任务时表现如何？
A：Genie Master提供任务规划、断点续做与异常恢复能力，在便利店补货、熟食打包等多步骤任务中已验证可处理滑落、遮挡、缠绕等异常。评测显示多阶段长流程任务失败次数下降92%。对于更长周期（如跨小时级）的任务规划能力，尚需更多场景验证。

9. 项目地址

• 智元机器人官网：https://www.agibot.com （产品与技术发布信息可关注官网）