自然意志发布 Natura-1：50B MoE 模型驱动灵巧手实现零样本泛化

自然意志（Nature Will）发布的 Natura-1，是一个 50B 参数的混合专家（MoE）模型，以语言和视觉为输入，在 100 毫秒的控制回路里驱动 20 自由度的灵巧手。它瞄准两项能力：依托灵巧手完成多指协同、物体姿态调整和复杂接触的灵巧操作，以及面对未见过的场景和任务，直接依据自然语言指令完成操作的零样本指令遵循。

这两项目标在过去的路线里往往各守一端：要么是面向夹爪的通用策略，要么是为单个任务打造的灵巧操作系统。Natura-1 试图用同一个模型同时覆盖。团队告诉机器之心，选择人类数据和选择灵巧手是同一个决定——家庭和工业场景中的很多工具、操作方式都是围绕人手设计的，使用灵巧手能保留更丰富的手部动作信息，减少把人手动作压缩成夹爪开合时的信息损失。

训练分两步：先在 100 万小时人类经验数据上预训练，再用有限的机器人数据做一轮高效后训练，把预训练中学到的世界知识适配到灵巧操作上。团队称其沿用了大语言模型研究中模型规模和数据规模配合增长的思路，早期先用较小的模型和数据快速验证架构，确认方向后再逐步扩大。

团队放出六段原速、一镜到底、无人工干预的演示：包馄饨、泡茶、做酸奶碗、打包快递、贴手机膜和写毛笔字，最长一段超过 3 分钟。每段都包含多个子任务，机器人要在同一流程里连续处理液体、颗粒、柔软工具和柔性部件。

以贴手机膜为例，Natura-1 先擦拭屏幕，再把预装保护膜的对位框套上手机，双手对齐压实；随后一只手把手机和对位框抵在夹具上，另一只手连贯地抽出离型膜，最后用指尖沿边角推压赶走气泡。打包快递时，它要在拉菲草、毛绒玩具和笔记本之间切换抓法，一只手压住会回弹的箱盖，另一只手推动胶带器封箱，最后贴标签、扫条码。

这些动作一边执行，一边改变着物体的形状和接触条件，模型必须依据实时反馈不断修正，而不是照着固定轨迹走完。但需要强调的是，这六段演示展示的是任务微调后的操作深度，能否把能力带到没练过的任务上，要看零样本测试。