中新网广东新闻9月26日电 (记者 方伟彬)近期，新一代通用大模型GPT-6 Astra的发布，引发行业对具身智能技术路线的广泛讨论与重新思考。深圳诺因智能近日发布通用具身智能生成式学习架构GLOW技术报告，提出以一次人类完整演示让机器人跨物体、跨环境复用任务，不再为新任务重新采集数据或更新模型参数。

　　据了解，为实现这一目标，GLOW将人类操作、现场画面、机器人状态和执行历史放入同一链路，识别物品关系、空间位置、动作顺序与状态变化，而非仅模仿轨迹；开盒收纳、换壶浇水、心形擦桌和多杯调酒等受控测试中，更换物品或布局后仍可完成。

　　架构上，KnowinGLOW采用统一多模态自回归模型，把视觉理解、空间推理、任务规划与动作生成整合处理；KnowinDream合成不同家庭、光照、材质和视角的交互经验，缓解真实数据不足；KnowinWorld在动作执行前推演碰撞、接触稳定性和路径可行性，用于训练试错与在线避险；KnowinAgent记录任务进度与反馈，偏差时就地修正，长程任务接近精细区域自动切换小幅微调。

　　从评测看，报告披露GLOW在RoboDojo18项仿真任务平均成功率62.2%、平均得分71.1；LIBERO-Pro六项扰动平均成功率86.7%，其单策略模型设置下领先所设GPT-6 Astra基线；KnowinBrain-1.5在Embodied Arena的2D具身问答榜获65.62分，覆盖第一视角理解、时空定位与物理推理等维度。

　　据悉，诺因2025年8月成立，研发团队200余人，首款家用产品Knowin-X1正做验证与量产准备；上述成绩均属企业自测，能否迁移到无序家庭场景仍需第三方和实机验证。(完)