AGIBOT Unveils GO-3 Preview Embodied AI Model, Tops Three Major Benchmarks
智元机器人发布GO-3 Preview模型，登顶三大具身智能评测榜单
AGIBOT recently released the GO-3 Preview embodied AI model, which achieved first place in three major benchmarks: RoboDojo, RoboTwin, and RoboColiseum. Built on AGIBOT's proprietary WRAM architecture, the model supports full-lifecycle learning spanning pre-training, post-training, and deployment-time adaptation. It is planned to be fully open-sourced by the end of 2026.
Source: Robotics — Chinese web discovery · Read original article ↗
English translation unavailable. Choose the original article to read it.
What the source reports
Publisher-reported claims, with original evidence. These results have not been independently verified by RoboSignal.
- paper: not_reported
- code: not_reported
- weights: not_reported
Source excerpts and review record
Automatically extracted; no manual editorial approval recorded.
人类第一人称视频提供了丰富的物体交互与任务执行示例，而机器人轨迹数据则建立了观察、动作与其物理结果之间的联系。
Open source S18
GO-3 Preview从人类第一人称视频与机器人轨迹数据中学习，将物体交互与任务执行同动作及物理结果相连接。
Open source S19
抓取小物体、组装零件等任务，要求机器人具备预判环境变化、控制接触力度以及执行精确物理动作的能力。
Open source S7
该任务要求机器人识别单个零件、精确抓取、对齐位置并正确插入。
Open source S21
在零样本场景中，该模型无需针对特定任务在实体机器人上进行监督微调，即可将先前学习的能力应用于新任务。
Open source S20
智元机器人（AGIBOT）近日发布了新一代具身基础模型GO-3 Preview，该模型支持跨越预训练、后训练及部署后学习全生命周期的大规模学习。
Open source S2
该模型已在三大主要具身智能评测基准——RoboDojo、RoboTwin和RoboColiseum中取得第一名，并计划于2026年底前完全开源。
Open source S3
GO-3 Preview基于智元机器人自主研发的具身原生架构WRAM（World Reasoning Action Model，世界推理行动模型）构建，将任务理解、未来状态预测与动作生成统一起来，使机器人能够在不同任务间实现泛化，并完成精确的操作动作。
Open source S4
后训练扩展：通过物理与虚拟交互实现提升 仅凭通用能力，机器人无法可靠地完成每一项复杂任务。
Open source S23
Source：Robotics — Chinese web discovery · msn.cn