諾因發布具身智能架構 GLOW 技術報告：主打單次示範學習，多項評測稱擊敗 GPT-6

據《量子位》報導，諾因（Knowin）於 9 月 24 日發布面向通用具身智能的生成式學習架構 GLOW 技術報告。 報告指出，GLOW 主打「一教就會」的跨場景任務複用能力，機器人透過人類單次完整操作示範，即可捕捉物體、空間關係與動作順序。在更換物品或環境（如不同大小的盒子、不同顏色的澆水壺）時，機器人能自主調整姿態與路徑，完成收納、澆水、依特定軌跡擦桌及多步驟調酒等任務。 該架構由四大模組協同運作： - **KnowinGLOW**：作為核心中樞的統一多模態自迴歸模型，將視覺理解、空間推理與動作生成整合於同一模型內。 - **KnowinDream**：合成具身經驗引擎，透過改變光照、材質與視角生成多樣化訓練資料。 - **KnowinWorld**：用於推演動作的物理約束、碰撞風險與接觸穩定性。 - **KnowinAgent (Harness)**：上下文驅動的任務執行系統，負責記錄進度、接收即時回饋並在精細操作時自動切換為微調模式。 報告同時披露了 GLOW 的多項實測結果： - 在 RoboDojo 的 18 項模擬任務中，平均成功率為 62.2%，較 GPT-6 (Robocurve) 基準高出 40 個百分點。 - 在 LIBERO-Pro 基準測試中，獨立運行的平均成功率達 86.7%，較 GPT-6 Astra 的 58.2% 提升 28.5 個百分點，位列單策略模型第一。 - 在 Embodied Arena 的 2D-Embodied QA 榜單中，其 KnowinBrain-1.5 模型以 65.62 分位列 20 個參評模型首位。