Wenn es nur um den ersten Platz in einer Rangliste ginge, w\u00e4re das vielleicht nicht so ungew\u00f6hnlich.<\/p>\n\n\n\n
Die Sache ist jedoch die: Gleichzeitig wurden zwei Ranglisten abgeschafft, die fast die \u201cbeiden Extreme\u201d der Branche repr\u00e4sentieren: Die eine ist WorldArena, bei der gemessen wird, ob ein Weltmodell die reale Welt wirklich versteht und vorhersagen kann; die andere ist RoboTwin2.0, bei der die Ausf\u00fchrung von Roboteraufgaben und die Generalisierungsf\u00e4higkeit bewertet werden. Das eine konzentriert sich auf die Vorhersage der Welt, das andere auf die Aufgabenausf\u00fchrung \u2013 zusammen entsprechen sie genau dem \u00fcbergreifenden Problem, das die Branche derzeit zu l\u00f6sen versucht.<\/p>\n\n\n\n
MotuBrain ist f\u00fchrend sowohl bei WorldArena als auch bei RoboTwin2.0<\/h2>\n\n\n\n![\"motubrain](\"https:\/\/deepinsightai.io\/wp-content\/uploads\/2026\/04\/MotuBrain-Leads-Both-WorldArena-and-RoboTwin2.0-1024x574.webp\")
<\/figure>\n\n\n\nAuf WorldArena belegte MotuBrain mit einem EWM-Gesamtwert von 63,77 den ersten Platz. Den Ergebnissen zufolge \u00fcbertrifft seine Leistung Modelle wie ABot von Gaode und GigaWorld-1 von Jijia und liegt in wichtigen Bewegungsparametern wie Bewegungsqualit\u00e4t, Flow-Score und Bewegungsfl\u00fcssigkeit an der Spitze.<\/p>\n\n\n\n
Bei RoboTwin 2.0 erreichte MotuBrain in den Einstellungen \u201eClean\u201c und \u201eRandomized\u201c 95,8 bzw. 96,1 Punkte und belegte damit ebenfalls den ersten Platz. Es ist das einzige Modell in der Rangliste, das in zuf\u00e4lligen Umgebungen eine Durchschnittswertung von \u00fcber 95 erreicht, und bei den meisten spezifischen Aufgaben erzielte es 100 oder nahezu 100. Im Vergleich zu Modellen wie Gaode ABot, Ant Lingbo LingBot<\/a>, JEPA-VLA und pi0.5: MotuBrain zeigt im RoboTwin-Benchmark eine \u00fcberragende Leistung.<\/p>\n\n\n\n![\"Bei](\"data:image\/svg+xml;base64,PHN2ZyB3aWR0aD0iMSIgaGVpZ2h0PSIxIiB4bWxucz0iaHR0cDovL3d3dy53My5vcmcvMjAwMC9zdmciPjwvc3ZnPg==\")
<\/figure>\n\n\n\nGerade dieser \u201cdoppelte erste Platz\u201d sorgt daf\u00fcr, dass die Leute beginnen, diesem unbekannten Model Aufmerksamkeit zu schenken.<\/p>\n\n\n\n
Eine kurze Suche zeigt, dass es online noch fast keine Informationen zu MotuBrain gibt, allerdings wurde erst diesen Monat ein X-Konto registriert.<\/p>\n\n\n\n
Das erinnert an das fr\u00fchere \u201cHuanle Ma\u201d, das sp\u00e4ter von Alibaba f\u00fcr sich beansprucht wurde (das daraufhin ebenfalls einen X-Account er\u00f6ffnete).<\/p>\n\n\n\n
Dieses geheimnisvolle Weltmodell \u2013 k\u00f6nnte es etwa von einem gro\u00dfen einheimischen Technologieunternehmen stammen?<\/p>\n\n\n\n
Warum die Ergebnisse von MotuBrain von Bedeutung sind<\/h2>\n\n\n\n
WorldArena und RoboTwin sind keine Tests derselben Art; sie messen zwei unterschiedliche F\u00e4higkeiten.<\/p>\n\n\n\n
WorldArena bewertet die Dimension des Weltmodells: ob das Modell Bewegungsgesetze verstehen kann, ob es physikalische Ver\u00e4nderungen in Zeitreihen genau ableiten und vorhersagen kann und ob es Ver\u00e4nderungen des Umgebungszustands wahrnimmt. Dies ist die F\u00e4higkeit, die Welt vorherzusagen.<\/p>\n\n\n\n
RoboTwin hingegen konzentriert sich auf die Dimension des Aktions- oder Verhaltensmodells \u2013 beispielsweise darauf, ob das Modell Aktionen \u00fcber mehrere Aufgaben und Umgebungen hinweg stabil ausf\u00fchren kann, ob es auf unbekannte Szenarien verallgemeinern kann und ob es komplexe Vorg\u00e4nge kontinuierlich ausf\u00fchren kann. Das ist die F\u00e4higkeit, in der Welt zu handeln.<\/p>\n\n\n\n
Betrachten Sie es einmal so: Der Grund, warum ein menschlicher Fahrer im komplexen Stra\u00dfenverkehr sicher fahren kann, liegt nicht nur im Muskelged\u00e4chtnis, sondern auch in der st\u00e4ndigen Vorhersage dessen, was in der n\u00e4chsten Sekunde passieren wird \u2013 wird das vorausfahrende Auto pl\u00f6tzlich bremsen? Wird ein Fu\u00dfg\u00e4nger unerwartet die Stra\u00dfe \u00fcberqueren? Diese Synchronisation von Vorhersage und Handlung ist die zugrunde liegende Logik der menschlichen Intelligenz.<\/p>\n\n\n\n
Den meisten bestehenden Robotersystemen fehlt genau diese Ebene. Entweder verstehen sie die Welt zwar gut, wissen aber nicht, wie sie handeln sollen, oder sie k\u00f6nnen festgelegte Handlungen ausf\u00fchren, sind jedoch nicht in der Lage, Ver\u00e4nderungen in ihrer Umgebung vorherzusehen. Diese Trennung f\u00fchrt dazu, dass Roboter leicht versagen, sobald sie ihre Trainingsszenarien verlassen.<\/p>\n\n\n\n
In den letzten Jahren wurden beide Richtungen untersucht, allerdings meist isoliert voneinander. Teams, die sich mit der Videogenerierung und Weltmodellen besch\u00e4ftigen, konzentrieren sich darauf, ob Modelle die physikalische Welt realistisch simulieren k\u00f6nnen; Teams, die an Roboter-Strategien und VLA arbeiten, konzentrieren sich darauf, wie Modelle bei bestimmten Aufgaben zuverl\u00e4ssig ausgef\u00fchrt werden k\u00f6nnen. Es gab nur wenige Versuche, beide Bereiche wirklich zu vereinen, und noch weniger stabile Ergebnisse.<\/p>\n\n\n\n
Die Tatsache, dass MotuBrain bei beiden Arten von Benchmarks den ersten Platz belegen konnte, best\u00e4tigt zumindest auf Benchmark-Ebene eines: Die Vereinigung von Weltvorhersage und Aktionssteuerung in einem einzigen Modell ist ein gangbarer Weg.<\/p>\n\n\n\n
Doppelter erster Platz: Wo gewinnt es?<\/h2>\n\n\n\n
In der WorldArena-Rangliste sticht MotuBrain vor allem durch seinen Vorsprung in mehreren Bereichen hervor.<\/p>\n\n\n\n
Die Bewegungsqualit\u00e4t steht an erster Stelle, was bedeutet, dass die vom Modell erzeugten Bewegungen realistischer sind und nicht nur aus visuellen Bewegungseffekten bestehen.<\/p>\n\n\n\n
Der \u201eFlow Score\u201c belegt den ersten Platz, was auf ein tieferes Verst\u00e4ndnis von kontinuierlicher Bewegung und Bewegungsbahnen sowie auf die F\u00e4higkeit hinweist, gro\u00dfr\u00e4umige Bewegungs\u00e4nderungen stabil vorherzusagen \u2013 wobei ein Moment nahtlos an das n\u00e4chste \u00fcbergeht, anstatt Einzelbilder aneinanderzureihen.<\/p>\n\n\n\n
Die Bewegungsfl\u00fcssigkeit steht an erster Stelle, was bedeutet, dass die generierten Bewegungen den realen physikalischen Gesetzen besser entsprechen, ohne unnat\u00fcrliche pl\u00f6tzliche Beschleunigungen, Ruckeln oder Richtungswechsel.<\/p>\n\n\n\n
Diese drei Dimensionen stehen alle in direktem Zusammenhang mit Bewegung. F\u00fcr ein zuk\u00fcnftiges Weltmodell, das f\u00fcr Roboter bestimmt ist, ist genau dies die entscheidende F\u00e4higkeit.<\/p>\n\n\n\n
Beim eher auf die Aufgabenausf\u00fchrung ausgerichteten RoboTwin kommt dieser Vorteil noch st\u00e4rker zum Tragen. Bei 50 Aufgaben und zwei verschiedenen Umgebungsbedingungen erreicht MotuBrain eine Durchschnittspunktzahl von 96,0 und liegt damit deutlich vor dem Zweitplatzierten mit 92,3. Der Abstand entspricht fast der Differenz zwischen dem zweiten und dem f\u00fcnften Platz.<\/p>\n\n\n\n
Noch wichtiger ist jedoch die Stabilit\u00e4t. Die H\u00e4lfte der Aufgaben weist eine Erfolgsquote von 100% auf, und 90% der Aufgaben liegen \u00fcber 90%. Das bedeutet nicht nur, dass das System Aufgaben richtig l\u00f6sen kann \u2013 es bedeutet auch, dass es Ergebnisse \u00fcber mehrere Aufgaben hinweg und unter zuf\u00e4lligen St\u00f6rungen hinweg konsistent reproduzieren kann.<\/p>\n\n\n\n
Insgesamt deuten diese Ergebnisse auf etwas hin, das einem allgemeinen Robotergehirn n\u00e4herkommt: die Aufrechterhaltung von Kontinuit\u00e4t und Konsistenz auf der Handlungsebene bei gleichzeitiger F\u00e4higkeit zur aufgaben\u00fcbergreifenden Generalisierung.<\/p>\n\n\n\n
Wer steckt dahinter, und welchen Weg schlagen sie ein?<\/h2>\n\n\n\n
Derzeit gibt es nur sehr wenige \u00f6ffentlich zug\u00e4ngliche Informationen \u00fcber MotuBrain. Geht man jedoch von der Struktur seiner Ergebnisse in den beiden Ranglisten aus, handelt es sich wahrscheinlich weder um ein herk\u00f6mmliches Videomodell noch um ein reines VLA- oder Policy-Modell. Es steht f\u00fcr eine andere Art des Schlussfolgerns, die sich von der adaptives Denken<\/a> die in erstklassigen Sprachmodellen zu finden sind und sich intensiv auf reine physikalische Intelligenz konzentrieren.<\/p>\n\n\n\nIm Laufe des vergangenen Jahres haben sich im Rahmen der Auseinandersetzung mit Weltmodellen und Handlungsmodellen mehrere repr\u00e4sentative Wege in der Branche herausgebildet.<\/p>\n\n\n\n
Einige legen den Schwerpunkt auf ein einheitliches Weltmodell, bei dem Vision, Sprache, Video und Aktion durch gemeinsame Modellierung kombiniert werden \u2013 unter Einbeziehung von Videomodellen, VLA, Weltmodellen und mehr \u2013, um Wahrnehmung, Planung, Vorhersage, Ausf\u00fchrung und aufgaben\u00fcbergreifende Generalisierung in realen Umgebungen zu erreichen. Ein typisches Beispiel hierf\u00fcr ist Motus, das im vergangenen Dezember ver\u00f6ffentlicht wurde.<\/p>\n\n\n\n
<\/figure>\n\n\n\nAuf WorldArena belegte MotuBrain mit einem EWM-Gesamtwert von 63,77 den ersten Platz. Den Ergebnissen zufolge \u00fcbertrifft seine Leistung Modelle wie ABot von Gaode und GigaWorld-1 von Jijia und liegt in wichtigen Bewegungsparametern wie Bewegungsqualit\u00e4t, Flow-Score und Bewegungsfl\u00fcssigkeit an der Spitze.<\/p>\n\n\n\n
Bei RoboTwin 2.0 erreichte MotuBrain in den Einstellungen \u201eClean\u201c und \u201eRandomized\u201c 95,8 bzw. 96,1 Punkte und belegte damit ebenfalls den ersten Platz. Es ist das einzige Modell in der Rangliste, das in zuf\u00e4lligen Umgebungen eine Durchschnittswertung von \u00fcber 95 erreicht, und bei den meisten spezifischen Aufgaben erzielte es 100 oder nahezu 100. Im Vergleich zu Modellen wie Gaode ABot, Ant Lingbo LingBot<\/a>, JEPA-VLA und pi0.5: MotuBrain zeigt im RoboTwin-Benchmark eine \u00fcberragende Leistung.<\/p>\n\n\n\n Gerade dieser \u201cdoppelte erste Platz\u201d sorgt daf\u00fcr, dass die Leute beginnen, diesem unbekannten Model Aufmerksamkeit zu schenken.<\/p>\n\n\n\n Eine kurze Suche zeigt, dass es online noch fast keine Informationen zu MotuBrain gibt, allerdings wurde erst diesen Monat ein X-Konto registriert.<\/p>\n\n\n\n Das erinnert an das fr\u00fchere \u201cHuanle Ma\u201d, das sp\u00e4ter von Alibaba f\u00fcr sich beansprucht wurde (das daraufhin ebenfalls einen X-Account er\u00f6ffnete).<\/p>\n\n\n\n Dieses geheimnisvolle Weltmodell \u2013 k\u00f6nnte es etwa von einem gro\u00dfen einheimischen Technologieunternehmen stammen?<\/p>\n\n\n\n WorldArena und RoboTwin sind keine Tests derselben Art; sie messen zwei unterschiedliche F\u00e4higkeiten.<\/p>\n\n\n\n WorldArena bewertet die Dimension des Weltmodells: ob das Modell Bewegungsgesetze verstehen kann, ob es physikalische Ver\u00e4nderungen in Zeitreihen genau ableiten und vorhersagen kann und ob es Ver\u00e4nderungen des Umgebungszustands wahrnimmt. Dies ist die F\u00e4higkeit, die Welt vorherzusagen.<\/p>\n\n\n\n RoboTwin hingegen konzentriert sich auf die Dimension des Aktions- oder Verhaltensmodells \u2013 beispielsweise darauf, ob das Modell Aktionen \u00fcber mehrere Aufgaben und Umgebungen hinweg stabil ausf\u00fchren kann, ob es auf unbekannte Szenarien verallgemeinern kann und ob es komplexe Vorg\u00e4nge kontinuierlich ausf\u00fchren kann. Das ist die F\u00e4higkeit, in der Welt zu handeln.<\/p>\n\n\n\n Betrachten Sie es einmal so: Der Grund, warum ein menschlicher Fahrer im komplexen Stra\u00dfenverkehr sicher fahren kann, liegt nicht nur im Muskelged\u00e4chtnis, sondern auch in der st\u00e4ndigen Vorhersage dessen, was in der n\u00e4chsten Sekunde passieren wird \u2013 wird das vorausfahrende Auto pl\u00f6tzlich bremsen? Wird ein Fu\u00dfg\u00e4nger unerwartet die Stra\u00dfe \u00fcberqueren? Diese Synchronisation von Vorhersage und Handlung ist die zugrunde liegende Logik der menschlichen Intelligenz.<\/p>\n\n\n\n Den meisten bestehenden Robotersystemen fehlt genau diese Ebene. Entweder verstehen sie die Welt zwar gut, wissen aber nicht, wie sie handeln sollen, oder sie k\u00f6nnen festgelegte Handlungen ausf\u00fchren, sind jedoch nicht in der Lage, Ver\u00e4nderungen in ihrer Umgebung vorherzusehen. Diese Trennung f\u00fchrt dazu, dass Roboter leicht versagen, sobald sie ihre Trainingsszenarien verlassen.<\/p>\n\n\n\n In den letzten Jahren wurden beide Richtungen untersucht, allerdings meist isoliert voneinander. Teams, die sich mit der Videogenerierung und Weltmodellen besch\u00e4ftigen, konzentrieren sich darauf, ob Modelle die physikalische Welt realistisch simulieren k\u00f6nnen; Teams, die an Roboter-Strategien und VLA arbeiten, konzentrieren sich darauf, wie Modelle bei bestimmten Aufgaben zuverl\u00e4ssig ausgef\u00fchrt werden k\u00f6nnen. Es gab nur wenige Versuche, beide Bereiche wirklich zu vereinen, und noch weniger stabile Ergebnisse.<\/p>\n\n\n\n Die Tatsache, dass MotuBrain bei beiden Arten von Benchmarks den ersten Platz belegen konnte, best\u00e4tigt zumindest auf Benchmark-Ebene eines: Die Vereinigung von Weltvorhersage und Aktionssteuerung in einem einzigen Modell ist ein gangbarer Weg.<\/p>\n\n\n\n In der WorldArena-Rangliste sticht MotuBrain vor allem durch seinen Vorsprung in mehreren Bereichen hervor.<\/p>\n\n\n\n Die Bewegungsqualit\u00e4t steht an erster Stelle, was bedeutet, dass die vom Modell erzeugten Bewegungen realistischer sind und nicht nur aus visuellen Bewegungseffekten bestehen.<\/p>\n\n\n\n Der \u201eFlow Score\u201c belegt den ersten Platz, was auf ein tieferes Verst\u00e4ndnis von kontinuierlicher Bewegung und Bewegungsbahnen sowie auf die F\u00e4higkeit hinweist, gro\u00dfr\u00e4umige Bewegungs\u00e4nderungen stabil vorherzusagen \u2013 wobei ein Moment nahtlos an das n\u00e4chste \u00fcbergeht, anstatt Einzelbilder aneinanderzureihen.<\/p>\n\n\n\n Die Bewegungsfl\u00fcssigkeit steht an erster Stelle, was bedeutet, dass die generierten Bewegungen den realen physikalischen Gesetzen besser entsprechen, ohne unnat\u00fcrliche pl\u00f6tzliche Beschleunigungen, Ruckeln oder Richtungswechsel.<\/p>\n\n\n\n Diese drei Dimensionen stehen alle in direktem Zusammenhang mit Bewegung. F\u00fcr ein zuk\u00fcnftiges Weltmodell, das f\u00fcr Roboter bestimmt ist, ist genau dies die entscheidende F\u00e4higkeit.<\/p>\n\n\n\n Beim eher auf die Aufgabenausf\u00fchrung ausgerichteten RoboTwin kommt dieser Vorteil noch st\u00e4rker zum Tragen. Bei 50 Aufgaben und zwei verschiedenen Umgebungsbedingungen erreicht MotuBrain eine Durchschnittspunktzahl von 96,0 und liegt damit deutlich vor dem Zweitplatzierten mit 92,3. Der Abstand entspricht fast der Differenz zwischen dem zweiten und dem f\u00fcnften Platz.<\/p>\n\n\n\n Noch wichtiger ist jedoch die Stabilit\u00e4t. Die H\u00e4lfte der Aufgaben weist eine Erfolgsquote von 100% auf, und 90% der Aufgaben liegen \u00fcber 90%. Das bedeutet nicht nur, dass das System Aufgaben richtig l\u00f6sen kann \u2013 es bedeutet auch, dass es Ergebnisse \u00fcber mehrere Aufgaben hinweg und unter zuf\u00e4lligen St\u00f6rungen hinweg konsistent reproduzieren kann.<\/p>\n\n\n\n Insgesamt deuten diese Ergebnisse auf etwas hin, das einem allgemeinen Robotergehirn n\u00e4herkommt: die Aufrechterhaltung von Kontinuit\u00e4t und Konsistenz auf der Handlungsebene bei gleichzeitiger F\u00e4higkeit zur aufgaben\u00fcbergreifenden Generalisierung.<\/p>\n\n\n\n Derzeit gibt es nur sehr wenige \u00f6ffentlich zug\u00e4ngliche Informationen \u00fcber MotuBrain. Geht man jedoch von der Struktur seiner Ergebnisse in den beiden Ranglisten aus, handelt es sich wahrscheinlich weder um ein herk\u00f6mmliches Videomodell noch um ein reines VLA- oder Policy-Modell. Es steht f\u00fcr eine andere Art des Schlussfolgerns, die sich von der adaptives Denken<\/a> die in erstklassigen Sprachmodellen zu finden sind und sich intensiv auf reine physikalische Intelligenz konzentrieren.<\/p>\n\n\n\n Im Laufe des vergangenen Jahres haben sich im Rahmen der Auseinandersetzung mit Weltmodellen und Handlungsmodellen mehrere repr\u00e4sentative Wege in der Branche herausgebildet.<\/p>\n\n\n\n Einige legen den Schwerpunkt auf ein einheitliches Weltmodell, bei dem Vision, Sprache, Video und Aktion durch gemeinsame Modellierung kombiniert werden \u2013 unter Einbeziehung von Videomodellen, VLA, Weltmodellen und mehr \u2013, um Wahrnehmung, Planung, Vorhersage, Ausf\u00fchrung und aufgaben\u00fcbergreifende Generalisierung in realen Umgebungen zu erreichen. Ein typisches Beispiel hierf\u00fcr ist Motus, das im vergangenen Dezember ver\u00f6ffentlicht wurde.<\/p>\n\n\n\n![\"Bei](\"https:\/\/deepinsightai.io\/wp-content\/uploads\/2026\/04\/image-13.png\")
<\/figure>\n\n\n\nWarum die Ergebnisse von MotuBrain von Bedeutung sind<\/h2>\n\n\n\n
Doppelter erster Platz: Wo gewinnt es?<\/h2>\n\n\n\n
Wer steckt dahinter, und welchen Weg schlagen sie ein?<\/h2>\n\n\n\n