智元发布具身模型GO-3 Preview，实现全链路规模化学习

10月29日，智元正式发布具身模型GO-3 Preview。该模型在预训练、后训练及部署后三个阶段实现全链路规模化学习，并在RoboDojo、RoboTwin、RoboColiseum三项评测中均获第一。

据智元介绍，GO-3 Preview的预训练数据中约九成来自人类第一视角数据，覆盖更广泛的场景和技能。模型采用具身原生架构WRAM（World Reasoning Action Model），将任务理解、未来状态预测与动作生成串联，使机器人能够从人类视频中学习物理状态变化，并结合逆动力学模型将预测转化为可执行动作。同时，KASO（知识对齐选择性优化）机制通过生成多个候选未来并评估其与真实动作的相容程度，协调预测与动作学习。目前，GO-3 Preview已具备数百种任务的开箱即用能力。

在后训练阶段，智元构建了Genie Evolver分布式混合环境训练系统，结合真机、物理仿真和世界模型。真机集群依托CEL（群体经验学习）汇聚执行经验，仿真环境提供大量可重复练习，世界模型则扩展候选动作探索空间。实验显示，在同等训练时间内，随着真机规模扩大，手机包装任务成功率由50.8%提升至98.3%，多阶段长流程测试的失败次数减少92%。

在部署后阶段，智元推出具身Agent框架Genie Master，通过具身执行协议EEP实现任务规划、执行检查、异常恢复和经验记忆。搭载Genie Master的精灵G2已在真实便利店部署验证，在不依赖人工示范和调试的情况下，通过积累成功与失败经验持续改进熟食打包、取货、补货等任务。这是行业首次在真实业务场景中验证Physical RSI（具身递归自进化）。