AGIBOT 推出 GO-3 Preview，这是一款具身基础模型，旨在打通预训练、后训练与部署后的持续学习。该消息最早由 机器人与自动化新闻 报道。该方案旨在让机器人在部署后持续进步，通过实体和虚拟训练，以及从真实任务中汲取经验来提升能力，而不是把预训练当作终点。
GO-3 Preview 在 RoboDojo、RoboTwin 和 RoboColiseum 上均排名第一。AGIBOT 表示，该模型将在 2026 年底前全面开源。
该模型采用世界推理动作模型（WRAM）架构，将任务理解、未来状态预测与动作生成结合起来。AGIBOT 表示，这种组合有助于机器人将技能迁移到不同任务中，而非依赖针对熟悉场景的固定动作。
GO-3 Preview 配合 Genie Evolver 进行后训练，并搭配 Genie Master 用于部署。Genie Evolver 将 100 台实体机器人与物理仿真和世界模型相结合，通过实际执行和虚拟探索，在反馈中不断完善动作策略。
Genie Master 将规划、执行、反馈和经验留存串联起来。其框架能够将成功与失败尝试中的经验纳入长期记忆；记录下来的轨迹和反馈也可用于进一步训练动作策略。
AGIBOT 在一家真实便利店中展示了搭载 Genie Master 的 Genie G2 机器人。该公司表示，机器人能够识别任务失败的原因、调整策略，并在没有人工示范或手动调参的情况下，逐步提升复杂操作任务的表现。
这一设计将部署视为新的学习阶段，而非模型开发的终点。AGIBOT 表示，GO-3 Preview 将在 2026 年底前全面开源。