9月24日消息，具身智能公司诺因（Knowin）今日发布生成式学习架构GLOW技术报告，公布其面向通用具身智能的最新技术架构。诺因表示，GLOW的核心目标是让机器人通过一次人类完整操作学习新任务，并实现跨物体、跨环境和跨任务复用，无需针对新任务重新训练或更新模型参数。
据介绍，GLOW会将人类操作、当前环境、机器人自身状态及执行历史放在同一链路中理解，不仅学习动作轨迹，还识别物体关系、操作顺序及状态变化。目前，诺因展示了开盒收纳、浇水、擦桌和调酒等任务，在更换物品或环境后，机器人仍可根据现场状态调整动作并完成任务。
架构方面，GLOW由KnowinGLOW、KnowinDream、KnowinWorld和KnowinAgent（Harness）四部分组成。其中，KnowinGLOW采用统一多模态自回归架构，将视觉理解、语义解析、空间推理、任务规划与动作生成整合在同一模型中；KnowinDream用于生成和组织物理交互经验；KnowinWorld负责推演不同动作可能产生的物理结果；KnowinAgent则负责长程任务中的记忆、反馈、工具调用和重新规划。
诺因同时公布了多项评测结果。在其披露的测试设置下，GLOW在RoboDojo的18项仿真任务中取得62.2%的平均成功率和71.1分的平均得分；在LIBERO-Pro六个扰动分项中，平均成功率达到86.7%；KnowinBrain-1.5则在Embodied Arena的2D-Embodied QA Benchmarks中获得65.62的综合得分。
诺因成立于2025年8月，主要面向消费级家庭场景研发通用具身大模型，目前研发团队超过200人，首款产品Knowin-X1正在推进产品验证与量产。