智元 GE-Act 2.0：首个验证预训练与规模化路径的「原生」世界动作模型

视频加载中

视频加载中

智元机器人（AgiBot Research，arXiv:2609.05588）发布 GE-Act 2.0：与多数继承预训练视频生成器的世界动作模型（WAM）不同，其可训练的生成与动作组件全部在操作数据上**从零初始化**——无继承视频生成器、无任务专属微调。三个组件：控制导向自编码器 CoAE（激进压缩下保留动作与指令相关信息）、单步视觉规划器 SVP（一次可微前向生成完整未来状态，39,000 小时数据预训练）、逆动力学模型 IDM（32,000 小时预训练）；再以知识对齐选择性优化 KASO 联合训练（只选与记录动作行为兼容的预测未来，减少错配监督）。残酷的真机零样本 OOD 测试：未见场景/物体、100 个原子任务、20 个技能类、双本体（G1-OP 占联合训练数据 50%+，G2-90D 不足 2%）。联合训练数据从 300 小时扩到 30,000 小时：G1-OP 成功率 17.1%→44.1%，G2-90D 13.4%→31.1%（+17.7 个百分点，印证跨本体迁移）；收益覆盖 19/20 与 18/20 技能组，技能覆盖度与零样本 OOD 成功率强相关（Pearson r=0.80）。全管线（三相机观测→52 个可执行动作）在单张 RTX 5090 上仅 104 ms，动作块 30 Hz 执行约 1.7 秒运动时域——消费级 GPU 上的实时控制。Code coming soon。