GenieReasoner是智元具身研究中心於2026年1月1日推出的第二代一體化具身大小腦系統。
該系統針對VLA模型中語義推理與動作控制的模態對齊難題，提出了一種支持統一離散化預訓練的模型架構，並通過流匹配技術緩解傳統離散Tokenizer的動作精度瓶頸。智元具身研究中心同步開源了具身推理評測基準ERIQ，用於解耦量化評估VLA中具身大腦的推理能力。實驗顯示，GenieReasoner在推理能力上取得較好結果，並在跨本體真機實驗中展現了泛化性。未來，研究團隊計畫從“邏輯深度”與“執行精度”兩個維度推進研究。
基本介紹
- 外文名：GenieReasoner
- 關鍵技術：流匹配技術
- 發布日期：2026年1月1日
- 技術架構：統一離散化預訓練模型架構
- 研發機構：智元具身研究中心
- 系統類型：第二代一體化具身大小腦系統
- 評測基準：ERIQ具身推理評測基準
研發背景,核心技術,評測基準,發展計畫,
研發背景
GenieReasoner是智元具身研究中心於2026年1月1日推出的第二代一體化具身大小腦系統，其研發旨在解決視覺-語言-動作（VLA）模型中長期存在的語義推理與動作控制之間的模態對齊難題。針對該難題，智元具身研究中心提出了一種支持統一離散化預訓練的模型架構，並通過流匹配技術緩解傳統離散Tokenizer的動作精度瓶頸。該發布代表了智元具身研究中心在具身大腦與小腦協同進化方面的探索。同時，智元具身研究中心致力於實現具身大小腦、世界模型與真機強化學習（Real-world RL）的閉環協同。實驗顯示，GenieReasoner在推理能力和跨本體真機實驗的泛化性方面有所提升。進一步的對比實驗表明，VLA模型更強的具身推理能力可提升其端到端動作執行表現。
核心技術
GenieReasoner的核心設計思想是建立一套“Action as Language”的統一表達範式，旨在賦予動作序列大模型級的語義泛化能力，同時突破離散化表征在執行精度上的物理瓶頸。其架構從兩個維度重建了VLA範式：通過統一離散表征消除梯度衝突，以及使用生成式解碼技術突破重構精度上限。其核心創新在於將語義推理與動作控制模組的離散化過程進行統一建模，在預訓練階段實現跨模態特徵的深度耦合。通過將通用VQA、具身推理數據與動作序列在同一離散空間進行聯合訓練，模型在單一梯度路徑下實現了認知與控制的同步最佳化，從而消除了傳統方法中的“知識隔離”問題。
在動作編解碼層面，系統引入了FACT（Flow-matching Action Tokenizer）技術。這是一種全新的生成式編解碼機制，通過流匹配（Flow-matching）技術將離散Token作為條件，學習從標準高斯噪聲到精準動作軌跡的機率路徑。該機制動態調整離散單元與連續動作空間的映射關係，在保持語義一致性的同時提升了動作執行的細膩度。實驗證明，在預測相同長度token數的情況下，FACT的重建均方誤差（MSE）比當時的SOTA離散基線降低了一個數量級。
基於上述核心技術，GenieReasoner在性能上有所提升。該架構在複雜場景下的動作誤差率較傳統方法降低42%，推理效率提升28%。在智元開源的ERIQ基準測試中，GenieReasoner在具備通識能力的同時，在ERIQ的15個子任務中刷新了性能SOTA紀錄，平均推理準確率相比base模型提升25%，並超過了頂級閉源模型。在跨本體真機的泛化性與指令跟隨測試中，其任務成功率也高於對比基線，特別是在最具挑戰性的Unseen Object任務中，成功率優於所有對比的SOTA模型。
評測基準
智元具身研究中心在發布GenieReasoner的同時，完全開源了名為ERIQ的具身推理評測基準（ERIQ Benchmark）。該基準聚焦於真機操控全流程，旨在解耦並量化評估VLA模型中具身大腦在不同維度的推理能力。該基準通過構建包含2000+任務場景的測試集，將具身推理能力解耦為空間理解、邏輯規劃、動作執行等六個維度。目前ERIQ已吸引國內外30餘家科研機構參與共建，相關數據集和工具包已在智元開源平台全面開放。實驗表明，更強的具身推理能力可顯著提升模型端到端動作執行表現，從而驗證了ERIQ基準的評估價值。
發展計畫
智元具身研究中心將從“邏輯深度”與“執行精度”兩個維度持續推進，並致力於實現具身大小腦、世界模型（World Model）與真機強化學習（Real-world RL）的閉環協同。通過在真實物理世界中的閉環互動與數據反哺，構建出真正具備常識推理與極限操作能力的通用基座模型。
