诺因发布 GLOW 技术报告，机器人经一次人类演示即可复用任务
诺因（Knowin）发布 GLOW 技术报告：把视觉理解、空间推理、任务规划与动作生成放进同一个自回归模型，机器人看人操作一次就能换物体换环境复用，并公布在 RoboDojo、LIBERO-Pro 等具身评测中的领先成绩。
过去让机器人学会一项新任务，通常要重新采数据、写死流程或专门训练，换个物品或环境就失效。诺因发布 GLOW 生成式学习架构技术报告，把人的一次完整操作、环境、机器人状态与执行历史放进同一条链路理解，让机器人捕捉物体关系、动作顺序与状态变化，实现跨物体、跨环境、跨任务复用。
正文摘录
一直以来，要让机器人学会一项新任务，往往需要重新采集数据、编写固定流程，或进行针对性训练。这类方式可以解决确定性较高的任务，却难以覆盖真实场景中不断变化的物品、环境和需求。 近期，新一代通用大模型 GPT-6 Astra 的发布，引发行业对具身智能技术路线的广泛讨论与重新思考。不少观点认为，通用大模型正在展现操控机器人的能力，可能对既有具身智能路线形成冲击；与此同时，行业也逐步形成共识：自回归架构正成为模型架构的收敛方向，具身智能的竞争核心将转向数据与学习方式。 9 月 24 日，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（报告链接： https://knowinai.com/tech.htmlsection-2），完整介绍了 GLOW 全新升级的整体技术架构，呈现了一条将通用认知能力转化为可靠物理行动的可行路径，核心突破在于实现了机器人“一教就会”的任务学习能力。 报告提出，GLOW 将改变机器人学习新任务的方式：把人的一次完整操作、当前环境、机器人自身状态与执行历史放在同一条链路中理解，让机器人不只是看见动作画面，而是同时捕捉物体、空间关系、动作顺序和状态变化，从“看过”进一步走向“学会”，拥有跨物体、跨环境、跨任务复用的通用能力。 同时，报告还披露了 GLOW 的多项评测结果。从物理任务执行到具身场景理解，诺因已经连续拿下三项第一，印证了其长期坚持的自回归技术路线的前瞻性，以规模化物理经验训练模型，以统一架构协同认知与行动，以闭环执行适应环境变化，从而以完整的具身能力走向物理世界。 “一教就会”：人类演示一次，机器人即可实现跨场景任务复用 GLOW 的目标，是让机器人获得跨物体、跨环境、跨任务复用的通用具身能力，而非为每项任务单独学习一套策略。用户不必把需求拆解成机器指令，也不必受限于出厂时写好的功能清单。