据报道，智元在 10 月 29 日正式推出具身模型 GO-3 Preview，主打从预训练、后训练到部署后的全链路规模化学习。该模型已在 RoboDojo、RoboTwin、RoboColiseum 三个行业榜单上登顶，并计划 2026 年底全面开源。
架构上，GO-3 Preview 采用具身原生的 WRAM 模型，把任务推理、未来预测与动作生成串在一起，让机器人先理解指令、再预判结果，最后生成可执行的动作。
数据来源分两条腿走路。人类第一视角视频提供丰富的物体交互与任务过程，机器人轨迹则建立观测、动作与物理结果之间的对应关系。模型层面则靠增强学习能力，把分散的经验组织成可迁移的通用能力。
预训练之后，模型在零样本与少样本任务上开始显现泛化能力：在家居、厨房、多机协作、灵巧操作等场景里，不需要额外微调就能完成陌生任务；给少量示范，还能做出煎饼果子这类长程精细操作，或者完成乐高拼装这种要求抓取、定位、插合都准确的活。
通用能力不等于能直接上岗。后训练阶段，智元搭了分布式混合环境系统 Genie Evolver，用上百台真机配合物理仿真和世界模型反复练。效果很直观：桌面冰壶经过 4 小时在线迭代，成绩超过被测人类平均水平；抽积木塔能连续抽 5 块还保持整塔不倒。
部署后的环节由具身 Agent 框架 Genie Master 承担，把判断、执行与反馈连成闭环。搭载该框架的精灵 G2 在真实便利店工作时不依赖人工示范与调试，能自己定位失败原因、调整策略、沉淀经验。完整任务成功率从首日 28.6% 提升到 5 天后的 85.7%，单任务成功率比常规微调高 17.7 个百分点，而且支持持续在线学习。
原创文章，作者：聆听，如若转载，请注明出处：https://www.kejixun.co/article/766419.html
