GPT-6之后，具身智能走向何方？诺因发布GLOW技术报告，给出机器人‘一教就会’的答案

诺因（Knowin）发布面向通用具身智能的生成式学习架构GLOW技术报告，提出机器人可通过一次完整操作理解任务，实现跨物体、跨环境、跨任务复用的通用能力。

GLOW技术核心突破在于将人的一次完整操作、环境信息与机器人状态整合到同一条链路中，使机器人能同时捕捉物体、空间关系、动作顺序和状态变化，具备‘一教就会’的泛化能力。

技术报告披露，GLOW在RoboDojo、LIBERO-Pro及Embodied Arena等评测中取得领先成绩，平均成功率较GPT-6基线提升40个百分点，综合得分位列全球第一。

测试场景包括开盒收纳、浇水、擦桌和调酒等家务任务，机器人能根据实时画面调整姿态路径，自主匹配当前场景完成复杂流程，无需重新教学。

GLOW架构包含四大模块：KnowinGLOW作为统一多模态自回归模型，KnowinDream合成具身经验，KnowinWorld推演物理后果，KnowinAgent管理任务执行，形成完整经验学习到行动反馈链路。

技术路线强调规模化物理经验训练，通过真实与合成数据覆盖跨对象、跨场景操作关系，使模型在新环境中自主调整行动，实现从认知到行动的统一。

诺因表示将持续推进GLOW的物理学习与泛化能力，让机器人在变化环境中自主执行任务，通过一次教学理解并完成新任务。