10月21日，生数科技世界模型团队正式开启Motubrain 2.0训练全流程公开直播，计划持续半个月，向公众展示具身模型的训练过程及研究进展。此前，小米MiMo负责人罗福莉曾公开MiMo-V2.6强化学习阶段的训练进展，如今Physical AI领域也出现了类似尝试。

Physical AI即物理人工智能，希望让AI理解物理环境并通过机器人完成实际任务。相比大语言模型，它还需解决动作决策、任务执行和跨场景泛化等问题。Motubrain系列是生数科技研发的具身模型，致力于为机器人构建具备通用能力的“大脑”，探索不同任务、场景和机器人本体之间的能力泛化。

Motubrain 2.0即将开源。在正式开源前，团队选择率先公开训练全流程，涵盖预训练、后训练、Agent任务执行和RSI（递归自我改进）探索四个阶段，分别观察训练规模对模型性能及零样本泛化能力的影响、针对具体任务提升执行能力、探索经验迁移，以及研究模型能否根据执行反馈评估并改进自身行动。

此次直播的特别之处在于尝试打开具身模型训练的“黑盒”。过去外界了解具身智能进展主要依靠机器人Demo、评测结果和论文，很难直接观察训练过程与能力变化。Motubrain 2.0公开从训练、测试到能力迭代的全过程，让外界看到模型如何逐步形成能力，也能看到训练中的失败、试错和调整。团队希望借此与同行分享经验与问题，共同探讨规模化训练、跨任务泛化和自主改进等关键议题。相关研究仍处于探索阶段，具体效果有待后续实验和评测验证。