本報訊 （記者賈麗）繼DeepSeek在大語言模型開源促進行業(yè)發(fā)展后，北京人形機器人創(chuàng)新中心（以下簡稱“北京人形”）再次打破邊界并開源了全新的世界模型架構(gòu)，提出了一個讓機器人真正“看見、理解并行動于世界”的具身世界模型——WoW（World-Omniscient World Model），旨在幫助具身智能機器人快速學習掌握各項技能，助力行業(yè)打造“最好用”的機器人。一經(jīng)發(fā)布，該模型便受到學術(shù)界和產(chǎn)業(yè)界的廣泛關(guān)注。

    據(jù)介紹，相較于Sora2，WoW具身世界模型在模擬機器人操作的時空一致性、物理推理能力方面表現(xiàn)更為出色。這不僅僅是一次視覺模型的升級，更是一個融合了視覺、動作、物理感知與推理的統(tǒng)一世界生成框架。它讓AI不再只是“看視頻”或“生成圖像”，而是能通過交互學習世界的物理規(guī)律，實現(xiàn)在真實環(huán)境中的自主操作。如果說GPT系列讓機器“讀懂語言”，Sora系列是在“看世界”，那么WoW就是讓機器人“理解物理世界”，并且給到算法觸摸世界的雙手。創(chuàng)新的技術(shù)架構(gòu)、完全開源的策略、完整的工具支持，使得WoW有望成為世界模型領(lǐng)域的“DeepSeek”。

    創(chuàng)新的技術(shù)架構(gòu)體系

    重新定義世界模型能力邊界

    北京人形提出了一個全新的多模態(tài)大模型框架，將世界生成、動作預測、視覺理解和自我反思融合為一個統(tǒng)一系統(tǒng)，成功解決傳統(tǒng)架構(gòu)物理一致性、因果推理和跨本體跨場景跨動作泛化方面的局限。

    WoW是一個融合了感知、預測、判斷、反思與行動五個環(huán)節(jié)的具身世界模型。它從真實的機器人交互數(shù)據(jù)中學習，能在已知與未知場景中生成高質(zhì)量、物理一致的機器人視頻，最終讓想象中的動作真正落地于現(xiàn)實。

    同時，WoW不是在記憶訓練場景，而是在學習“物理規(guī)律的抽象本質(zhì)”，具備跨機器人形態(tài)泛化、任務泛化、場景泛化全方位能力，這類“視覺+物理”的泛化能力，是通向具身智能的關(guān)鍵指標。

    WoW具身世界模型遵循SOPHIA范式，讓模型越看越準，越生成越真實。SOPHIA自反范式是指，業(yè)內(nèi)首次提出SOPHIA框架，讓世界模型“自己教自己”。

    據(jù)了解，WoW具身世界模型可以實現(xiàn)視頻生成和機器人動作閉環(huán)，意味著AI不再停留在“想象中”，而能真正“動手”去驗證自己的理解，標志著真正實現(xiàn)從生成到執(zhí)行的跨越。

    北京人形提出了專測“物理一致性與因果推理”的新基準WoWBench，也是全球首個針對具身世界模型的綜合基準，從四大核心維度評估模型能力——感知理解、預測推理、決策與規(guī)劃、泛化執(zhí)行，覆蓋視覺保真與時間一致、指令理解與語義正確性、物理與因果推理、規(guī)劃與任務分解等多個指標，采用混合評測機制（專家模型+GPT或精調(diào)VLM+人類專家）進行評分，確保模型表現(xiàn)與人類認知保持一致。

    北京人形開源WoW具身世界模型部分模型權(quán)重，大大降低了世界模型研究的入門門檻，加速具身智能機器人走入生活方方面面。

    應用前景廣闊

    實現(xiàn)從技術(shù)到產(chǎn)業(yè)的全面賦能

    北京人形發(fā)布的WoW具身世界模型，以創(chuàng)新的技術(shù)架構(gòu)，優(yōu)越的性能表現(xiàn)以及開源開放合作賦能，助力具身智能機器人多場景落地。北京人形為世界模型研究提供統(tǒng)一的基準平臺和可比較的評估體系，并將WoWBench基準和模型開源，加速研究進展，促進科研復現(xiàn)。

    據(jù)介紹，產(chǎn)業(yè)應用層面，一方面WoW具身世界模型可以實現(xiàn)數(shù)據(jù)遷移與擴增，從少量真實數(shù)據(jù)出發(fā)，生成更多合成樣本，完成“想象-生成-再標注-遷移”的自循環(huán)過程，讓AI擁有“自我造數(shù)”能力。

    另一方面，WoW具身世界模型可以從視覺“想象”中反推真實可執(zhí)行的動作指令，可遷移真實機器人本體上執(zhí)行抓取、裝配等各類操作任務，使機器人具備了在復雜環(huán)境中自主理解與執(zhí)行自然任務指令的能力。

    此前，北京人形“具身天工Ultra”獲得全球首個人形機器人半程馬拉松冠軍，并且采用“全自主”方式在首屆世界人形機器人運動會，獲得100米短跑項目的冠軍，成為人形機器人史上首個百米“飛人”，充分展示其“最能跑”的領(lǐng)先技術(shù)實力；基于慧思開物平臺下的具身大小腦協(xié)同，北京人形僅憑天軼2.0一款機器人，在首屆世界人形機器人運動會一舉斬獲一金三銀一銅的成績。

    本次WoW具身世界模型的開源，進一步展現(xiàn)了北京人形在大腦方面的領(lǐng)先實力，從理解世界到重建世界，WoW具身世界模型讓我們看到人工智能真正成為具身智能體的未來，圍繞“最能跑、最好用”的目標，北京人形機器人創(chuàng)新中心將持續(xù)開源開放，加速具身智能落地應用。

（編輯 李家琪 張昕）