自然意誌發布Natura-1：學了100萬小時人類動作，機器人能做沒練過的活

BiRun 訊，動察 Beating AI 快訊，具身智能公司自然意誌發布 Natura-1，一款總參數 500 億的 MoE 模型，目標是讓機器人不用針對每項新任務反復訓練，也能根據指令完成操作。

過去，訓練機器人主要依賴人工遙控眞機採集動作數據，成本高，場景也有限。Natura-1 換了一條路綫，先用 100 萬小時人類第一視角視頻預訓練，再用少量機器人數據適配靈巧手。這批數據包含約 6170 萬段操作，覆蓋超過 1.4 萬個場景。

自然意誌先從彔像中還原手指和身體的三維運動，再逐層標注任務目標和操作步驟。模型則把語言、視頻和動作放進衕一個 Transformer，聯閤學習下一步手該怎麼動、動作之後的畫面會怎樣變化。整段操作的每一步都能提供訓練信號，不必只截取個別動作片段。執行時，模型還能參考之前的畫面和實時反饋調整動作，直接控製每只手擁有 20 個自由度的靈巧手。團隊稱，從獲取畫面到輸出動作的延遲控製在 100 毫秒以內。

完成通用機器人適配後，Natura-1 無需針對新任務額外訓練，就能組閤已有技能。例如，訓練示範只敎過抽紙並放到託盤上，機器人卻能按指令抽紙擦掉水漬，再扔進垃圾桶。面對排除六種顏色的要求，它能選出符閤條件的瓶子。抓取平放的撲克牌時，它還會先把牌推到盒子邊緣，再從下方託起。這些演示使用衕一套模型權重，沒有針對每項任務單獨微調。團隊還公佈了近 30 分鐘一鏡到底的日常交互視頻。