在具身智能领域蛰伏三周的“神秘模型”终于揭开面纱。此前，一款代号为motubrain的模型悄然登顶两大国际权威评测基准——worldarena（聚焦物理世界理解能力）与robotwin2.0（聚焦动作执行精度），引发业界高度关注与诸多猜想。近日，凭借视频生成大模型vidu广受瞩目的生数科技正式官宣：该模型正是其面向具身智能场景打造的首个可商用落地的核心引擎。

此次突破绝非概念性尝试。MotuBrain在上述两项评测中均刷新历史最高分纪录。尤为突出的是，在引入高频随机扰动的强干扰测试环境中，它是目前唯一实现平均得分突破95分的模型，充分验证了其在复杂动态场景下的卓越鲁棒性与泛化性能。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜

“所见即所动”：重构感知与行动的耦合逻辑

区别于传统“先规划、再执行”的串行范式，MotuBrain开创性地采用“世界动作模型”（World Action Model）架构。这一“边感知、边推演、边执行”的实时闭环机制，使决策与动作同步演化，有效抑制误差累积，显著缩短端到端响应延迟。

在真实场景演示中，搭载该模型的机器人展现出类人级的任务理解力。例如在火锅用餐模拟任务中，机器人能依据实时视觉反馈判断勺中是否有食材，并据此动态调整后续动作——若为空则主动补捞，而非机械复刻固定流程。这种基于情境自主判断的行为逻辑，标志着具身系统正从指令驱动迈向认知驱动。

Vidu Video Generation Provider

Vidu视频生成插件（viduq3-pro、viduq3-turbo、viduq2、viduq1）。支持文字转视频、图片转视频、参考转视频以及起始编辑。

下载

一脑适配多形态，长程任务无缝贯通

MotuBrain的核心竞争力在于其高度统一的通用表征能力。它不仅支持“一脑多型”，可灵活适配不同构型、自由度及传感配置的机器人硬件平台；更具备“一脑贯全程”的长时序任务统筹能力。在插花、调酒、家居整理等多类复杂任务中，系统可连续稳定完成逾10个细粒度原子动作，全流程自然连贯，全程无需人工介入或重置。

实测数据显示，随着任务类型多样性提升，MotuBrain的学习成功率呈现正向增长趋势。这表明模型习得的是物理交互中的普适性规律，而非针对特定动作的过拟合模板——任务越丰富，其底层建模能力越扎实，表现也越稳健。

扎根物理世界，构建数字与实体协同演进新范式

生数科技此次成果的背后，是其长期深耕多模态基础架构的技术沉淀。依托全球首创的U-ViT统一架构，公司首次实现了虚拟生成模型（VGM）与具身动作模型（WAM）的同源协同。左手以Vidu高效构建高保真数字世界，右手借MotuBrain精准操控真实物理实体，双轨并进大幅降低真实数据采集成本，加速模型迭代闭环。

现阶段，生数科技已与无界动力、星尘智能等多家具身智能头部企业签署战略合作协议。随着行业竞争焦点由单点能力转向通用智能体构建，掌握真正可迁移、可扩展、可部署“具身大脑”的技术方，正逐步成为定义下一代智能终端生态的关键主导者。