一个机器人摔倒了，所有机器人都学会了：智元 GO-3 把”上岗后继续学”做成了产品
AI飞行客 一个机器人摔倒了，所有机器人都学会了：智元 GO-3 把”上岗后继续学”做成了产品
2026 年具身智能界的一件里程碑事件：智元发布的 GO-3 Preview 在三项评测（RoboDojo、RoboTwin、RoboColiseum）上同时拿下了第一。
这不是 TOP，而是三个第一。
但我关注的根本不是榜单——是它背后的那条路线。
智元把 GO-3 的核心能力描述为 “全链路规模化学习”——从预训练到后训练再到部署后，机器人不再是一旦上岗就停止进化。
最核心的机制叫 CEL：群体经验学习。
如果两个机器人在执行同一个抓取任务，一个抓到了，一个滑落了，会怎样？传统方案：失败的那个自己背锅，下次换个姿势再试一次。CEL 的做法是：成功的动作片段被系统自动检索、失败上下文被分析，然后共享策略被更新。个体经验，成为群体收益。
一个机器人在产线上摔倒，所有在线机器人都知道这里有个坑。
这才是值得写一篇文章的东西。
先看技术路径：从 ViLLA 到 WRAM
智元这条产品线从 GO-1 就有一个明确的技术进化路线：
– GO-1（ViLLA 架构）：在海量互联网异构视频与真实机器人数据上预训练，加上 MoE，让机器人能通过少量真实数据快速适应新场景 – GO-2（动作思维链）：引入 动作思维链——因为机器人决定不是一步就能走到终点的，需要中间推演 – GO-3 Preview（WRAM 架构）：世界推理动作模型（World Reasoning Action Model），把理解、预测与动作统一建模
从 ViLLA 到动作思维链到 WRAM，这条路线图非常完整：先”看得懂”，再”想得到”，再”把理解和行动统一在一个模型里”。
WRAM 的”统一建模”听起来是句官话，但实际含义是：当你让机器人”把那个杯子拿过来”，它不是先识别杯子、再规划路径、再执行抓取——这三个阶段被整合成了一个端到端的推理过程。
这样做的好处是闭环反馈：如果第一次没抓住，规划路径的时候可以看到”我上次在这个位置失败了”，下一次会调整。
三个榜单第一说的是什么
RoboDojo、RoboTwin、RoboColiseum 是三个侧重点不同的评测：
– RoboDojo：侧重于机器人在多样操作技能上的泛化能力——同一个任务换不同物体、不同位置、不同方向 – RoboTwin：侧重于双机协作——两台机器人配合完成一个任务 – RoboColiseum：侧重于对抗和密集交互场景——比如桌面冰壶这类需要策略判断和精确执行的任务
三个同时第一，说明 GO-3 在泛化、协作和对抗策略三个方向上都有实实在在的进步，而不是靠某个单项的特化。
CEL 才是真正值得说的新东西
“群体经验学习”这个概念，在我看过的具身智能产品里，是 GO-3 第一次以完整形态提出的。
它解决的是具身智能最根本的经济学问题：机器人的数据比文本数据和图像数据贵得多。
训练一次真实机器人的物理交互等于几千万 token 的文本训练成本——设备磨损、环境复位、人员值守。你不可能像大模型那样用几万亿 token 往死里灌。
CEL 的解决思路是：把每个失败都变成所有人的资产。
你在不同文章里看到机器人在那里做各种各样的失败动作，可能觉得是”机器人不成熟”。但实际上，这些失败在 CEL 体系下都被系统化回收了。
Genie Evolver——智元那套结合真机、物理仿真和世界模型的分布式混合环境后训练系统——在此基础上做了一件事：在训练阶段就模拟”别人摔倒了你来学”的场景。
三种环境各有分工：
– 真实机器人：提供物理反馈——这是唯一不可替代的，因为仿真器永远不能 100% 反映真实世界的摩擦力、重心偏移和材质响应 – 物理仿真：高速模拟，跑更多样本 – 世界模型：在对未来做出预测的基础上做推理和决策
让这些环境交替运行，系统可以做到：在真实机器上碰到一个失败案例 → 丢到仿真环境里放大做一万次相似场景测试 → 结果反馈到策略更新 → 更新后的策略重新部署到真实机器验证。
这才是”全链路”的真正含义：从数据采集到策略更新到部署验证，是一个完整的循环，不是一个单向流程。
如果你熟悉大模型的 RLHF，会发现这个循环很像——只不过大模型的奖励信号来自人类标注，而机器人的奖励信号来自物理世界反馈。
一个不显眼的实验数字，准确体现了这种做法的效果
智元发布的实验案例里，我就只挑一个做说明：桌面冰壶任务。
GO-3 Preview 通过在真实环境和世界模型中持续练习，仅用几个小时，就在桌面上取得了高于普通人类玩家的胜率。
注意”几个小时”这个时间单位。
传统方案要取得这种效果，需要在仿真器里跑几十万次的模拟，或者在真实物理世界花数周时间反复测试。现在，通过 Genie Evolver 的三层混合训练，这个时间被压到了按小时计算。
因为仿真器给它打底了数万次经验，物理反馈微调了几百次，世界模型给了预测能力。三条腿走路，快过一条腿。
三个判断
第一，CEL 是具身智能走向落地的关键技术变量。
文本有互联网上几十万亿 token，图像有 LAION-5B——但机器人没有”互联网经验”。每一个机器人的每一次操作都是从物理世界现学。
CEL 帮你把”每个机器人交的学费”变成”所有机器人的共同资产”。它在经济学上的意义是降低了后续每一个执行器的经验成本。这才是具身智能的商业底层逻辑：先部署的机器人产线越走越顺，后部署的搭便车越来越快。
第二，”全链路”这个概念，比”更大的模型”更有价值。
具身行业现在有两派做法：一派拼命拉大模型参数量，认为”更大的语言模型 + 机器人接口 = 更好的具身智能”——用 ViT 大模型做视觉语言基础，往上叠 MoE。
另一派像智元这样，在”模型怎么和真实世界持续互动”这条路径上投入更多。
我觉得后者比前者更可持续，因为物理世界的反馈——而不是训练数据的多少——才是机器人能力的终极验证。一个更大的模型如果不能从失败中学习，它永远不会比一个小模型更擅长避免失败。
第三，年底开源值得关注。
智元宣布 GO-3 将在年底全面开源。
如果开源版本真的包含 WRAM 架构和 CEL 机制的实现方案，那这将是全球机器人行业一次重要的基础能力释放。开源之后，任何一家机器人公司都可以在自己的硬件上跑 GO-3，然后通过 CEL 机制把自己的场景经验积累起来。
明年这个时间段，可能会有很多你从没听说过的特定场景特种机器人、家庭服务机器人，甚至非工业任务的小型机器人出现在现场——因为基座已经搭好了，剩下的就是场景经验。
—
*模型：GO-3 Preview（智元，WRAM 架构）* *核心机制：CEL（群体经验学习）* *训练系统：Genie Evolver（真机 + 物理仿真 + 世界模型三层混合）* *评测：RoboDojo / RoboTwin / RoboColiseum 三项第一* *底座：GO-1（ViLLA）→ GO-2（动作思维链）→ GO-3 Preview（WRAM）* *开源计划：2026 年底全面开源* *来源：机器之心 / 36氪 / 北京商报*