
当机器人开始学习判断自己做得“对不对”,具身智能L4还有多远?
近日,生数科技联合创始人兼CEO骆怡航在2026外滩大会发布了Motus2。该模型由生数科技研究团队和清华大学、北京航空航天大学、北京理工大学共同完成,面向高自由度灵巧操作,已在采用WUJI Hand 2、Sharpa Wave等灵巧手的双臂机器人上测试。

图片来源:生数科技
不同于以往只专注于“把动作做出来”的具身模型,Motus2将自我校验、自主判断、自主修正、自我迭代的完整闭环装进了机器人的“身体”里。
这一步标志着具身智能正式站在了L3迈向L4的关键节点上:机器人不再是机械完成指令的工具,开始拥有判断自身行动质量、基于反馈自主优化的能力。
L3的天花板困局
2025年,中国电子学会正式发布全球首个《人形机器人智能化分级》(T/CIE 298-2025)团体标准,借鉴自动驾驶的分级逻辑,将人形机器人智能化水平划分为L1至L5五个等级,为行业提供了统一的技术语言和评价体系。
其中,L3被定义为“能够在大量场景独立运行,但在复杂情况下仍需人工监督”,L4则要求系统“能够在开放环境中自主感知目标、自主探索策略空间”。而当前全球具身智能行业的真实发展水平,恰恰卡在 L3 阶段。

图片来源:新华网
对于这一阶段的核心困局,宇树科技创始人王兴兴在 2026 世界机器人大会上更是指出:当前全球具身智能领域最大的瓶颈是泛化能力不足。
他坦言,“当前全球多数AI模型,在固定场景中经过充足的数据采集和专项训练后,任务成功率基本可以接近100%。但只要更换操作物品,或是稍微改变环境,机器人的任务成功率就会出现大幅下降。”
这一落差在真实场景中的表现更为直观。据斯坦福HAI发布的《AI Index Report 2026》数据,机器人操作在仿真环境中的成功率高达89.4%,但在真实家庭场景中骤降至12%。而导致这一落差的关键瓶颈,就在架构层面。
过去行业内的具身智能方案,大多数都是采用“VLA(视觉-语言-动作)策略模型+独立奖励模型”的分离式架构,而这套范式存在天生的结构性短板。
首先,执行与评估分离,无法形成实时闭环。VLA模型只负责输出动作,不具备评估动作效果的能力。而独立奖励模型大多只在训练阶段生效,部署阶段无法实时对动作质量进行判断并给出反馈。
打个比方:VLA模型像一个“执行者”,负责看着画面、听着指令、做出动作;奖励模型像一个“裁判”,负责在训练阶段告诉执行者“这个动作好不好”。问题是,这个裁判只在训练的时候在场,到了实际干活的时候就不见了。这就导致机器人做完动作后,不知道自己做得对不对,自然也就没法自己修正。
其次,VLA本质上是“看什么→做什么”的统计关联学习,缺乏对物理规律的深层理解。比如,它认出桌上有个装满水的纸杯后,会套用训练数据里最常见的抓杯动作和力度。但它并不知道纸杯壁薄、杯里有水重心低,也不理解“握力过大→杯壁形变→水洒”的因果链,结果可能一夹就瘪。
这也恰恰解释了,为何最近第二届世界人形机器人运动会会呈现出如此割裂的画面:很多机器人在跑步、跳高这类大肢体运动项目上表现出色,甚至打破记录。可换到积木搭建、镊子夹豆、粉末称量这类需要指尖精度的精细操作项目,就立刻水土不服,动作笨拙、失误频出。
第三个短板,是奖励模型泛化性不足,高度依赖人工定义。传统奖励函数需要针对每类任务人工设计,难以适配开放环境中多变的任务目标与场景条件。当任务目标变化、环境出现扰动时,奖励模型无法自动适配,也就无法引导策略自主进化。
比如机器人训练的是“把方块放进盒子”,如果改成“把球放进碗里”,就需要工程师重新写奖励函数、重新训练,机器人自己不会举一反三。
这种分离式架构,决定了L3级机器人的能力上限。它们可以是优秀的“执行者”,但却成为不了“思考者”。所以,想要突破,必须从架构层面打破执行与评估的壁垒,构建感知、执行、评估、迭代一体化的完整闭环。
Motus2的架构突破
Motus2的核心突破,首先体现在架构革新层面。

图片来源:生数科技丨Motus架构
过去的传统方案,策略模型负责生成动作,奖励模型负责评估结果,两者相互独立。而Motus2的做法是,则是将动作生成、后果预测、价值评估纳入同一个视频-动作模型的闭环之中。
按照生数科技方面的说法,Motus2模型不仅能够生成动作序列、预测动作带来的环境变化,还能实时评估当前行动是否更接近目标,并利用评估结果进一步优化后续策略。
用一个简化的对比来理解这种差异:传统模型是“看到灯泡→伸手→拧固定角度→结束”。而Motus2的逻辑是“看到灯泡→生成几个拧的候选动作→选最可能成功的那个执行→一边拧一边看实际情况和预演的一样不一样→不一样就立刻调整角度和力度→拧完后评估有没有拧紧→把这次的经验记下来下次用”。
这种架构设计,让模型完整参与了“怎么行动—行动得怎么样—下一步怎么改进”的全过程。而生数科技团队将其形容为具备了类RSI(递归自我改进)的初步特征:模型用自己对世界的预测和评估结果,反过来改进行动策略,从而开始拥有一定的自我演进能力。
需要指出的是,这里的“自进化”仍是在训练和推理框架内的策略优化,与“机器人在开放环境中无限自主学习”之间,还是有相当的距离。

图片来源:生数科技
其次,是模型能力层面的升级。不同于传统机器人按照预设程序执行动作,Motus2在动作执行过程中,可以自主判断动作完成质量、识别作业误差、定位场景适配问题。
为了支撑这种自我校验能力,Motus2引入了多维度的感知反馈机制:双目视觉提供空间深度信息,工作记忆保留任务历史状态,触觉传感补充接触力与物体质感信息。这些多模态反馈共同构成了机器人的“体感”,让它能够通过视觉、触觉等感知判断动作的实际效果,而非只依赖预设的动作参数。
而生数科技的测试结果显示,在抽取纸杯与撕纸这两项对接触力敏感的任务中,没有触觉反馈时,模型成功率只有60%;引入轻量级触觉专家模块后,成功率立刻提升至72.5%。这背后,正是因为机器人能通过触觉“感觉”到纸杯的形变,从而实时调整握力,而不是只会用固定的力道去抓。
第三,是训练阶段对失败数据的利用方式发生了变化。过去机器人学习动作,主要依靠成功的示范数据,失败数据大多被当作无效数据丢弃。在Motus2的架构中,训练阶段会把候选动作的评估分数直接转化为策略更新信号:分数高的方案得到正向强化,分数低的方案被逐步弱化。
更关键的是,失败和次优的交互轨迹不再被丢弃,而是被用来改进模型对物理动态的预测能力,成为价值评估的训练证据。生数科技将这一过程描述为:模型从失败和次优的执行中提取有效的状态转移和结果证据,但不会将这些失败动作本身作为模仿目标。
打个比方,过去机器人学习,就像学生只背标准答案,做错的题直接扔掉。现在Motus2更像一个会整理错题本的学生,会复盘哪里偏了、力度差了多少,下一次自动调整。比如第一次把物体放歪了两厘米,第二次可能就只歪一厘米,练得多了自己就能找准位置。

图片来源:生数科技
这种机制带来的效果是可量化的。同样来自生数科技的测试数据:在放置小球、多指操作、贴合橡皮、拧灯泡、放置手机五项主要真机任务中,Motus2的平均成功率达到84%。在单独评测的放置手机、多指操作两项任务中,结合基于模型的强化学习与推理时规划,平均成功率从65%提升至75%。
对比前代模型也能看出Motus2模型的进步幅度。2026年2月发布的初代Motus模型,在50项通用任务测试中,较当时的主流基准模型Pi-0.5绝对成功率高出35%以上,并且首次展现出“任务越多、平均成功率越高”的泛化特性。

图片来源:生数科技
当然,这些数据目前都来自生数科技内部的测试结果,尚未经过独立第三方复现。评测任务也集中在拧灯泡、放置小球等短程操作,模型在长程因果链与多步骤任务中的表现,仍有待验证。
但就架构方向而言,Motus2确实在尝试回答L3阶段最核心的那个问题:机器人能否不依赖外部指令,自主判断动作的好坏,并据此调整下一步行动。而这,恰恰是L3与L4之间那道门槛的关键所在。
破局之后,长路仍在
Motus2的技术突破,为具身智能的发展打开了新的想象空间,但客观来看,无论是模型本身还是整个行业,距离真正的L4级规模化落地,仍有很长的路要走。

图片来源:搜狐科技
首先是数据的约束。人工智能大语言模型靠互联网上的海量文本数据学会了生成语言,发展突飞猛进。基于同样的逻辑,具身智能机器人需要依靠海量的人类动作数据,才能学会在真实世界里干活。
中国信通院发布的《具身智能训练场研究报告(2026年)》显示,当前全球可用的高质量真实数据仅为数十万至百万小时级,而具身基础模型要迎来“ChatGPT”时刻至少需要数千万小时数据。而2026年机器人全产业链接会进一步披露,受多场景、多模态、良率、长尾数据及多参与者等因素影响,实际所需的多模态数据集远超1000万小时。两者相抵,数据缺口超过99%。
其次,数据采集的成本也不低。据中国机电一体化技术应用协会2026年7月发布的《2026中国具身智能产业发展报告》,传统遥操作数据采集单条有效数据成本约为10至50元,而训练一个基本可用的机器人操作策略通常需要数万到数十万条数据。这意味着,单是数据采集成本,就可能高达数十万甚至数百万元。
更棘手的是数据质量的结构性问题。中国科学院科技战略咨询研究院曾发文指出,具身智能高质量数据集建设仍面临技术路线不统一、不同企业和科研机构在数据格式、语义标注、传感器配置和控制模态上存在差异等问题,数据难以跨主体、跨场景复用。
比如A公司用一套传感器和标注规范采集的抓取数据,换到B公司的机械臂和灵巧手上,坐标定义、触觉维度、控制频率都可能不同。模型往往需要重新清洗、对齐甚至重训,数据规模效应被大幅削弱。
另外,本体适配与硬件协同也是重要制约因素。Motus2模型的能力发挥,依赖于机器人本体的感知精度、执行精度与算力水平。当前不同厂商的机器人硬件规格差异较大,传感器配置、执行器性能参差不齐,模型的自进化能力在不同硬件平台上的表现可能出现较大差异。这就像同样的安卓系统,装在不同硬件参数的手机上,流畅度和体验自然天差地别。
写在最后
Motus2出现的最大意义,是完成了从“被动执行”到“主动进化”的技术破局,并且给行业带来一个方向:机器人要从L3走到L4,光靠堆数据、堆参数已经不够了,必须学会自己判断、自己纠错。让机器人在真实的物理世界里,真的能一边做、一边想、一边改。
但从“能改”到“改得够好”,从“在实验室里跑通”到“在真实场景里稳定干活”,中间还隔着数据缺口、成本约束,以及硬件适配和协同等难题。
具身智能这场马拉松,现在大概才跑完上半场的第一个水站。方向是对的,但距离L4级规模化落地,还有很长一段赛程要走。