智元发布全链路规模化学习具身模型GO-3 Preview

10 月 29 日，智元正式推出预训练 / 后训练 / 部署后实现全链路规模化学习的具身模型 —— GO-3 Preview。

该模型采用具身原生的 WRAM(World Reasoning Action Model)架构，将任务推理、未来预测与动作生成连接起来，让机器人理解指令、预测未来，并生成可执行的动作。

该模型已于近日登顶 RoboDojo、RoboTwin、RoboColiseum 三大行业权威评测榜单，将于 2026 年底全面开源。

基于 WRAM 架构，GO-3 Preview 从数据与模型两个维度共同推进 Scaling，让异构经验参与共同学习。数据维度解决“学什么、学得够不够广”：人类第一视角视频提供丰富的物体交互和任务过程，机器人轨迹则建立观测、动作与物理结果之间的联系。模型维度解决“如何承接和运用这些经验”：通过增强学习能力，把分散的经验组织起来，转化为可迁移的通用能力。

经过预训练，模型任务迁移与复杂技能适应能力更强，并在 Zero-Shot(零样本)与 Few-Shot(少样本)任务中得到检验。在家居、厨房、多机协作、灵巧操作场景里，不用额外微调，机器人就能直接完成陌生任务。