人类数据扩展
用约 13 万小时第一视角原始录制数据（过滤、切分与标注前）学习可迁移的物理与动作先验。
模型概览
策略、模拟器与评估器的统一闭环
传统机器人系统通常把动作策略、未来预测和价值判断拆成多个模型。Motus2 将三者统一在 一个视频—动作主干网络中：策略接口给出可执行动作块；动作条件世界模型模拟候选动作的 视觉后果；价值模型评估这些分支。共享表示让训练、规划和策略优化能够在同一模型内协同。
在测试时，系统既可以直接生成动作，也可以采样多个候选动作，预测各自未来并利用价值 估计选择更优分支。训练时，模拟结果和价值信号还能转换为策略更新，形成真正的闭环改进。
核心能力
从数据扩展到触觉灵巧操作
自进化世界模型
将预测后果和价值估计转化为策略学习信号，并通过 Best-of-N 实现测试时扩展。
机器人工作记忆
滑动窗口适合流式推理，全局自回归与 Hybrid Memory 用于更长时序任务。
触觉动作细化
轻量专家读取近期触觉测量，细化短动作块，为接触密集型灵巧操作提供反馈。
官方资源
阅读、演示与引用
完整技术细节、实验设置和作者名单请以 arXiv:2608.30237 为准；alphaXiv 提供可交互阅读页面；Motus2 机器人演示目录汇总 29 段可直接访问的真实机器人 rollout； 英文项目主页还包含模型图、数据扩展、记忆和触觉模块说明。
@misc{bi2026motus2,
title = {Motus2: A Self-Evolving General World Model for Dexterous Manipulation},
author = {Hongzhe Bi and Zihao Zhou and Yihang Tang and Jingrui Pang and
Shuhe Huang and Haitian Liu and Runqing Wang and Shuai Huang and others},
year = {2026},
eprint = {2608.30237},
archivePrefix = {arXiv},
primaryClass = {cs.RO},
url = {https://arxiv.org/abs/2608.30237}
}常见问题
关于 Motus2 的快速说明
Motus2 是机器人模型还是生物信息学工具？
这里的 Motus2 是面向灵巧操作的机器人与具身智能模型，与名称相似的微生物分类工具 mOTUs2 无关。
Motus2 与传统 VLA 模型有什么不同？
Motus2 不只生成动作；同一共享模型还能够在给定动作条件下预测未来，并对预测结果进行价值评估，从而支持规划和闭环策略改进。
代码和模型权重在哪里？
项目团队已说明将开放代码与模型权重；正式发布前，请关注英文项目主页上的 Code 和 Model 入口，避免使用非官方镜像。