Generative Learning
of World

诺因智能构建了一套以 GLOW（Generative Learning of World）为核心的生成式具身智能体系，面向真实家庭与开放环境，通过持续的世界生成、世界建模与行为学习，使机器人具备从感知、认知、行动到长期进化的统一能力。

KnowinDream：
生成式具身数据引擎

KnowinDream 是 GLOW 的起点模块，负责生成具备物理一致性的具身数据分布。针对高质量机器人操作数据稀缺的问题，KnowinDream 基于 3D 视觉生成模型，从有限真实交互中学习场景演化规律，合成具备三维结构与物理一致性的 Ego-Centric 第一人称训练数据，覆盖极端光照、复杂材质、多样布局与长尾上下文。

KnowinWorld：
可交互3D世界模型

KnowinWorld 是 GLOW 中的世界建模核心。不同于传统物理仿真系统，它基于数据学习构建可交互的世界表示，统一建模空间结构、物体状态、动作影响与任务演化，并支持策略评估、风险判断与失败复盘。为 KnowinBrain 提供了可探索、可试错的虚拟物理空间，并与 KnowinDream 形成“世界结构数据生成”的自增强闭环。

KnowinBrain：
具身认知与策略核心

KnowinBrain 是 GLOW 架构中的决策中枢。KnowinBrain 能够融合视觉、语言、空间、任务与动作反馈等多模态信息，对复杂环境进行统一理解。依托 KnowinDream 的海量数据，KnowinBrain 经过深度 Action CoT 后训练并与 KnowinAct 的 Action Token Space 对齐，具备长链条任务的自回归动作推理与分步规划能力，并在 1-5Hz 执行反馈下自主发现偏差、反思失败并动态修正策略，形成“感知—推理—执行—反馈—修正”闭环。

KnowinAct：
生成式动作编解码器

KnowinAct 是 GLOW 的执行表达层，负责将高层策略映射为机器人可执行动作。其核心 Action Tokenizer 在 KnowinDream 合成数据上完成预训练，掌握高度泛化的动作表征，能够将 KnowinBrain 生成的 Action Token 高效解码为边缘执行所需的 Action Chunk，使机器人在未知环境中仍能泛化生成平滑、稳定、精准的物理操作。Action Token Space 也可以随任务解锁持续动态扩展，推动执行能力边界不断进化。

KnowinAgent：
长程任务与进化框架

KnowinAgent 是 GLOW 的长期进化机制，主要连接 KnowinBrain 的认知推理能力与 KnowinWorld 的可交互世界模拟能力，解决具身 Agent 系统在真实物理世界落地中的核心难题：长链条任务拆解、目标漂移抑制、状态记忆保持、过程监控、失败恢复与完成度判定。同时，KnowinAgent 也是机器人的记忆中枢，能够沉淀环境布局、物品位置、历史任务、用户习惯与个性化偏好。通过“任务规划—世界反馈—状态记忆—策略修正”闭环，推动机器人从单点技能走向长程闭环完成，最终成为可持续进化的家庭智能体。

桌面收纳

叠衣服

零样本泛化避障测试

零样本泛化抓取测试

积木取放测试

叠衣服2

洗衣服

复杂场景，同一模型

让智能机器人走进每个家庭

联系我们

招聘邮箱：HR@Knowin.ai

联系电话：17610340223

媒介合作：media@knowin.ai

公司地址：深圳市南山区粤海街道高新区社区科技南路18号深圳湾科技生态园12栋A2406

Generative Learningof World

KnowinDream：生成式具身数据引擎

KnowinWorld：可交互3D世界模型

KnowinBrain：具身认知与策略核心

KnowinAct：生成式动作编解码器

KnowinAgent：长程任务与进化框架