诺因GLOW技术发布，机器人实现“一教就会”，跨场景任务复用成现实

在人工智能与机器人技术深度融合的背景下，如何让机器人高效学习并适应复杂多变的真实场景，一直是行业亟待解决的核心难题。近日，专注于通用具身智能的诺因（Knowin）公司宣布推出全新的生成式学习架构——GLOW技术，为这一长期困扰业界的问题提供了创新性解决方案。

GLOW技术的核心在于实现了机器人"一教就会"的能力。根据诺因发布的技术报告，该架构通过将人类操作、当前环境、机器人自身状态及执行历史整合到同一链路中进行理解，使机器人不仅能"看见"动作画面，更能捕捉物体关系、空间逻辑、动作顺序和状态变化等深层次信息。这种能力使得机器人能够从单一的人类示范中快速学习新任务，并在不同场景下灵活应用，无需针对每项任务重新训练或调整模型参数。

为了验证GLOW技术的实际效果，诺因展示了多个典型应用场景。在开盒收纳任务中，机器人能够根据实时画面定位盒盖、物品和盒内区域，按照人类的操作逻辑完成整套动作。即使更换了不同的盒子或物品，机器人也能自主调整姿态和路径，顺利完成收纳。在浇水任务中，当使用不同颜色的浇水壶时，机器人依然能精准迁移操作逻辑，自主调整抓取位置和动作姿态。

此外，在擦桌任务中，机器人不仅学会了"擦桌子"这项基本技能，还能捕捉到"怎样擦"的个性化特征。例如，当人类用户沿着心形轨迹移动抹布时，机器人也能复现同样的心形擦拭动作。在调酒任务中，面对多个酒杯的复杂流程，机器人能够识别每一步的操作对象、倾倒关系和先后顺序，结合现场画面找到对应的酒杯，依次完成取杯、倾倒、回正、放回的完整流程。

诺因表示，GLOW技术的成功实现得益于其独特的四模块协同架构。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负责生成和组织物理交互经验；KnowinWorld用于推演不同动作可能产生的物理结果；KnowinAgent则围绕任务记忆、反馈、工具调用和重新规划组织执行。这种架构设计使得GLOW形成了从经验学习、任务理解到行动反馈的完整闭环。

在技术验证方面，诺因公布了多项评测结果。在其测试设置下，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。这些数据表明，GLOW技术在物理任务执行和具身场景理解方面均处于行业领先地位。

诺因CEO李明表示："GLOW技术的发布标志着具身智能领域的一个重要里程碑。我们相信，通过这种全新的学习方式，机器人将能够更好地理解和适应真实世界，为家庭服务、工业生产等多个领域带来革命性的变化。"

随着GLOW技术的推出，诺因正在加速推进其首款消费级产品Knowin-X1的研发进程。预计这款搭载GLOW技术的家用机器人将在未来一年内完成产品验证并投入量产，为普通家庭提供更加智能、便捷的家务助手。