AgiBot的GO-2、GE-2、BFM與GCFM不是解同一問題的競品。GO-2規劃並執行長操作，GE-2預演動作後世界會如何改變，BFM從示範學身體動作，GCFM依文字、語音與影像條件生成全身動作。實體 AI（Physical AI）選型不該先問哪個模型最強，而要先找出自家工作缺少的是規劃、預測、模仿還是生成。
四個模型位於不同智慧層
AgiBot在2026年4月17日合作夥伴會議，以「一個機器人身體、三種智慧」架構公布8項基礎AI產品。GO-2與GE-2歸在操作智慧，BFM與GCFM歸在移動及動作智慧。四者即使同場發表，也無法放進同一張基準表排名，因為輸入、輸出與失敗定義不同。
AgiBot官方公告指出各模型方向，卻沒有一次公布所有客戶現場成功率、運算資源與支援機器人清單。下表把可確認的角色，與導入時仍要驗證的邊界分開。
| 模型 | 官方公告所示角色 | 實機驗證要查什麼 |
|---|---|---|
| GO-2 | 以Action Chain-of-Thought規劃、執行長時間操作 | 支援的觀測與動作格式、機器本體、即時延遲 |
| GE-2 | 用互動式虛擬世界與World Action Model預演、改進策略 | 生成影像一致性與真實接觸結果的吻合度 |
| BFM | 從一次示範或短影片模仿人體動作 | 雜訊、視角與身體差異是否讓動作失穩 |
| GCFM | 由文字、語音、影像生成符合情境的機器動作 | 能否即時遵守關節限制、姿態穩定與避碰 |
這項分類只是理解產品名稱的起點。AgiBot的效能敘述建立在其資料與條件上，不能延伸成長期外部場域表現，或對其他公司模型的獨立優勢證明。
GO-2 把長操作拆成可銜接的動作段落
GO-2關注的不是一次抓取，而是串起多個步驟。收到「收拾餐桌」後，要找杯子、判斷握把方向、避開障礙抓取，再送到指定櫃位。AgiBot稱GO-2為ViLLA Embodied Foundation Model，並以Action Chain-of-Thought連接規劃與執行。
即使推理文字看似合理，動作仍可能錯。攝影機遮蔽或物件移動會讓前段誤差累積；機器手滑落後是照舊執行、重新觀測改計畫，還是能從人員介入位置繼續，決定長工作的實用性。
驗證時把分段成功、錯抓、重規劃、遠端介入時點與中止理由寫進同一紀錄。動作輸出究竟是關節位置、速度或動作區塊，也要在接控制器前釐清。
長工作很容易被前段成功迷惑。前面三步若各有95%成功率，連續完成十步的機率會明顯下降。把工作長度由2步、5步拉到10步，找出誤差累積位置，並測物件中途被移動時能否捨棄舊計畫。從頭重做與從失敗點復原的時間差，也會影響生產力。
GE-2 先在虛擬世界預測動作結果
GE-2較接近World Action Model，不是直接輸出關節命令的控制策略。它把手伸向架子後可能出現的場景與狀態展開成多個候選，讓高風險或易失敗策略在送往真機前先被排除。
看似自然的影像不等於正確物理。畫面中的手指即使自然碰到杯子，摩擦與接觸力估錯，實物仍會滑落。布料、液體、透明物與狹縫更難只靠視覺判斷，因此評估GE-2應看預測接觸、物件位置、失敗排序是否符合實測，而不只看影片品質。
GE-2輸出只能作為策略選擇的額外證據，不能當安全保證。真機仍須維持力量限制、碰撞監看與緊急停止。
若世界模型負責選擇候選，也要檢驗模型信心是否與實際誤差一致；高信心誤判比低信心誤判更危險。若生成三個候選動作，除最後選擇外，也保存每個預測與實際結果，找出排序反轉的情境。把不確定場景送交人員查核的門檻，應在先導案中調整。
BFM 從短示範學習身體動作
BFM是Behavioral Foundation Model。AgiBot稱其可從一次示範或短影片快速模仿人體動作，並在有雜訊環境維持穩定，目標是降低每個新動作都要逐關節編程的成本。
困難在於人和機器的身體不同。把人的臂長、關節範圍與步距直接套用，可能超出機器可動範圍或破壞平衡；單部攝影機影片也缺少被遮住的關節及深度。要分清「一段示範後動起來」和換身高、視角、速度後仍能重現。
評估不能只看外觀是否相似。應記錄末端誤差、關節限制違反、足底滑動、姿態復原，以及移到另一種機體需要補多少資料。
GCFM 依條件生成全身動作
GCFM全名為Generative Control Foundation Model。官方說法是輸入文字、語音與影像，即時生成符合情境的自然全身動作，例如表演時配合音樂即興，或在產業場域依工作訊號調整全身姿勢。
自然與安全是兩個指標。旋轉再流暢，若足底接觸裕度過小或關節快速升溫，仍無法長時間執行；在人旁邊，語音延遲或辨識錯誤也可能觸發意外動作。生成結果不能直接送進馬達，必須先通過關節限制、自碰撞、工作區、速度與扭矩檢查。
現場除動作多樣性，也要量輸入延遲、中止命令反應，以及超過30分鐘重複動作後的溫升與姿態累積誤差。不能從原廠「即時」一詞推算特定設備的畫面率或最差延遲。
同一工作會依序碰到四種模型角色
以找杯子並放入櫃子為例，GO-2把工作拆成步驟並形成操作；GE-2預測候選動作後杯子與周遭如何改變；若要由真人示範教新的腰臂協調，可用到BFM；若移動時還要依情境生成上半身姿勢，則可能涉及GCFM。
四個模型不會自動組成完整產品。整合團隊仍要統一輸出座標、週期與信心表示，並建立上游延遲或誤判時停止下游的規則。世界模型即使判斷成功率高，觸覺感測器卻偵測到滑動時，也要事先決定哪個訊號優先。
| 連接點 | 整合團隊要保留的紀錄 | 失敗條件 |
|---|---|---|
| 觀測到規劃 | 攝影機與機器狀態的時間、遺失畫面 | 用過期觀測開始下一步 |
| 預測到動作 | 各候選預測與實際結果差異 | 錯誤候選排序持續重複 |
| 動作到控制 | 關節命令週期、安全篩選介入 | 超出限制或停止命令延遲 |
| 失敗到復原 | 重新觀測、規劃、遠端介入歷程 | 重複同一錯誤或無法回到安全狀態 |
模型已發表，不等於資產已可下載
公布模型名稱，與提供檢查點、訓練程式碼、評估工具及商用授權是不同狀態。AgiBot World官方開源頁面按資料集、模型與論文區分公開資產；清單中若沒有特定版本，不能只靠發表內容推定可取得。
開發團隊應逐一保存模型卡、授權、相容框架、記憶體需求與更新日。研究公開不等於允許放進商用品；若範例以特定AgiBot機體為前提，移植到其他硬體所需的轉接器與補充訓練資料也要計入成本。
重現紀錄要包含檔案校驗碼、儲存庫提交、推論設定、GPU與驅動程式，因為網頁更新後，同名模型內容可能改變。「程式碼能跑」與「重現官方展示效能」也不同；沒有隱藏遠端操作或人工初始化，且相同前後處理能反覆完成工作，才算比較資料。
AgiBot官方網站是產品與文件中心的最新入口。支援範圍可能在發表後改變，簽約前應以標明版本的技術文件和供應商書面答覆為準。
選模型前先做一個可重現的小實驗
先把問題寫成一句話：「讓多步操作不中斷」「執行前比較動作結果」「把短示範移到新機體」「依輸入條件生成全身動作」。即使看來四種功能都需要，也不要一次全接，否則難以定位失敗。
可搭配實體AI的定義與範圍、機器人基礎模型與Sim-to-Real基礎釐清模型層與示範差異。之後用同一機器、物件與照明重複小工作，再逐一加入遮蔽、感測延遲、物件位置變化和通訊中斷。
合格條件不要只有平均成功率，還應包含最差延遲、安全篩選介入率、失敗復原、人員準備工作與模型、韌體版本。發表中的模型可能不同於可購買套件，因此價格、支援、交期與商用授權要另行查核。
常見問題
長時間操作失敗時，應先試 GO-2 還是 GE-2？
兩者不能直接排名。GO-2偏向操作規劃與執行，GE-2偏向預測動作結果；長工作反覆中斷可先看GO-2，想在真機執行前比較策略可先看GE-2。
BFM 與 GCFM 都是生成全身動作的模型嗎？
應用可能重疊，但起點不同。BFM重點是模仿示範或短影片，GCFM則依文字、語音與影像條件生成符合情境的動作。
AgiBot 四種模型能立刻接成同一套系統嗎？
官方公告無法保證。需逐一確認支援機體、觀測與動作格式、執行週期、授權與安全介面，再從小工作開始連接。
已查核的官方資料
最後查核：2026年8月23日