Nature Will 发布 50B 参数 MoE 基础模型 Natura-1，让灵巧手零样本执行语言指令

Rohan Paul· @rohanpaul_ai · X·2026-10-13 15:08· 2 小时前AI 评分58

AI 导读

Nature Will 发布首个面向物理世界的通用基础模型 Natura-1，为 500 亿参数 MoE 模型，基于 100 万小时第一视角人类经验数据预训练，可零样本理解自然语言指令并用灵巧手执行。作者补充指出，相比难以收集的机器人演示数据，人类第一视角视频是更快的数据扩展路径；该模型能同时处理抓取后的双手精细控制、无需额外训练的新任务，以及需要记忆前序步骤并从错误中恢复的长序列执行。

正文

给机器人最难配备的，是一双灵巧的手，而来自 @naturewill 的 Natura-1 是朝着这一目标的一次有力尝试。

Nature Will 用 100 万小时的第一视角人类数据训练了他们的新模型 Natura-1

即人们使用双手的第一视角视频，然后用这些数据来控制真实的机器人手

机器人演示数据收集缓慢，因此人类视频是更快实现规模化的路径，前提是这些技能能够从人手迁移到机器人手上后依然保留。

一个模型同时处理机器人通常难以兼顾的三件事：抓取后的双手精细控制、无需额外训练即可完成新任务，以及需要记住先前步骤并从错误中恢复的长序列。许多机器人系统只能在狭窄场景中展示其中一项。

https://x.com/naturewill/status/2109858475333570565/video/1

引用nature will@naturewill

介绍 Natura-1，我们首个面向物理世界的通用基础模型。它能零样本遵循自然语言指令，并用灵巧手将其转化为动作。 Natura-1 是一个 500 亿参数的混合专家（MoE）模型，基于 100 万小时的第一视角人类经验预训练。在此基础之上，我们在有限的机器人数据上进行高效后训练，将预训练的世界知识适配到灵巧操作，从而得到一个能泛化到广泛未见场景的模型。 Natura-1 能零样本遵循复杂的自然语言指令，对空间约束、多物体关系和否定条件进行推理。它还能自主执行长时间连续工作流，以完成长时程执行。 Natura-1 提供了早期证据，表明泛化——甚至涌现行为——可以与灵巧手的复杂性共存。进一步的进展取决于全栈：用于更快训练和实时推理的基础设施、更大规模和覆盖范围的预训练数据，以及能以更少适配迁移到机器人的模型。我们预计这将是一项长期的研究与工程努力。

在 X 查看被引用的帖子

来源：Rohan Paul · x.com