机器人电报9月19日讯，智元机器人（AGIBOT）今日发布了GE-Act 2.0原生世界-动作模型（WAM）。该模型首次为原生世界-动作模型提供了系统性的可扩展预训练路径验证，并聚焦一个核心命题：随着训练数据增长，机器人模型能否像大语言模型一样持续提升并解锁新能力？GE-Act 2.0的所有模型参数（包括视觉表征、未来预测和动作预测）均从随机初始化开始，在具身操控数据上从头训练。预训练完成后，同一模型在零样本条件下进行评估，无需针对特定任务微调、额外演示或模型替换。评估覆盖了此前未见过的场景、背景、光照条件和物体实例，涵盖100个原子任务、20个技能类别和两种机器人本体。
结果显示，当训练数据从300小时扩展到30,000小时（增长100倍）时，现有技能的性能持续提升，新能力逐步涌现。在更小数据规模下无法完成的任务——包括叠毛巾、纸杯嵌套、笔帽开合和插花——在更大数据规模下变得可行。具体而言，在G1-OP测试集上，任务成功率从17.1%提升至44.1%；G2-90D的成功率从13.4%提升至31.1%，且性能在5,000到30,000小时区间未见饱和迹象。
技术架构上，GE-Act 2.0引入了控制导向自编码器（CoAE），将每帧256×384图像压缩为仅24个视觉token，仅为DINOv3 token数量的十六分之一。模型采用单步视觉规划策略，在NVIDIA GeForce RTX 5090上可在104毫秒内生成一段连续机器人动作，实现低延迟推理。此外，模型还展示了跨本体能力迁移：G1-OP占训练数据50%以上，而G2-90D不足2%，但G2-90D的成功率仍随共享数据集增长提升了17.7个百分点。
在补充评估中，微调后的GE-Act 2.0在RoboTwin未见环境测试中达到60.52%的成功率，在GenieSim指令跟随基准上得分0.770，均优于π0.5和GR00T N1.7等对比模型。