Optimus-3：双路由对齐的混合专家智能体，具双粒度推理感知策略优化

开发能够在视觉丰富、动态环境中解决开放性任务的通用智能体是具身 AI 的核心目标。虽然 Minecraft 已成为引人注目的基准，但现有智能体常因认知能力碎片化，缺乏反射执行（System 1）与深入推理（System 2）之间的协同。本文介绍 Optimus-3，一个将这些双重能力在统一框架中有机集成的通用智能体。为实现此目标，我们解决了三个根本性挑战。首先，为克服推理数据稀缺，我们提出了知识增强的自动数据生成管道。它从原始的 System 1 交互轨迹中合成高质量的 System 2 推理轨迹，通过注入领域知识有效缓解幻觉问题。我们公开了 resulting 数据集，\textbf{OptimusM$^{4}$}。其次，为调和双系统的离散计算需求，我们设计了双路由对齐的混合专家架构。它采用任务路由器通过参数解耦防止任务干扰，层路由器动态调节推理深度，为 System 1 创建计算的“快速路径”，为 System 2 创建“深层路径”。最后，为激活 System 2 的推理能力，我们提出了双粒度推理感知策略优化（DGRPO）算法。它通过双粒度稠密奖励实现过程-结果协监督，确保思考过程与答案之间的一致性。广泛的评估表明，Optimus-3 在 System~2（规划提升 21%，描述提升 66%，具身问答提升 76%，定位提升 3.4 倍，反思提升 18%）和 System~1（长期动作提升 3%）任务上均超越现有最先进方法，并在开放性任务中实现了显著的 60% 成功率。