当前位置:

首页 > 硬件相关 > 世界模型进入真机时刻,大晓机器人要如何让它落地?

世界模型进入真机时刻,大晓机器人要如何让它落地?

世界模型是今年具身智能领域最热的方向,但各家对它的理解并不一致。最近一次媒体沟通会上,大晓机器人展示了开悟3.1世界模型,以及基于它落地的行业解决方案。整场听下来,能明显感觉到世界模型正在从技术概念变成能商用的产品。(ID:leitech)也参加了这场沟通会。按照大晓世界模型负责人王飞的说法,世界模

本文目录

    世界模型是今年具身智能领域最热的方向,但各家对它的理解并不一致。最近一次媒体沟通会上,大晓机器人展示了开悟3.1世界模型,以及基于它落地的行业解决方案。整场听下来,能明显感觉到世界模型正在从技术概念变成能商用的产品。

    (ID:leitech)也参加了这场沟通会。按照大晓世界模型负责人王飞的说法,世界模型的核心逻辑是「给定当前看到了什么,以及接下来准备做什么,去推演未来可能发生什么」。过去的大语言模型和VLA预测的是next token,世界模型预测的是next state,也就是下一个世界状态。

    开悟3.1把理解、生成、预测放进同一套混合Transformer架构里联合训练,最终压缩成共享隐空间,这条路线与英伟达GTC上发布的Cosmos 3方向一致。

    世界模型和视频生成模型有很大的区别,视频生成服务的是内容和创意,生成模型可以凭空想象画面;世界模型生成的动态世界必须符合物理规律,盘子端起来不能悬空,物体不能凭空消失。

    图片4.png

    (图源:大晓机器人)

    王飞现场举了个例子:有些失败样本画面看起来完整,但盘子悬空了,明显不符合物理规律,这种就不合格。说白了,一个服务于创意,一个要遵循物理直觉。

    大晓还公布了一组对比数据。开悟3.1是8B参数模型,在英伟达Jetson Thor上跑出百毫秒级推理延迟;约3.3B的π0.5同样在百毫秒级,16B的Cosmos 3 Nano则来到千毫秒级。

    也就是说,模型规模更大的情况下,大晓保持了和更小模型相当的实时性。百毫秒级推理是人形机器人能不能真正上生产线的关键,延迟太高,机器人响应慢半拍,商业化场景的节拍和成本都会受影响。

    图片1.png

    (图源:大晓机器人)

    这次沟通会值得关注的有两件事,一是平行推演,开悟会在执行前生成3到5条候选轨迹和对应的未来演化视频,用评估器打分排序,再挑最优方案去执行。打开冰箱这种任务,模型可能推演出反关节的别扭姿势也能完成,但效率低、代价高,不会被选中。「脑海中推演,现实中执行」这种能力是VLA没有的,也是世界模型作为具身大脑最核心的差异,它让机器人不再是盲试,而是先判断后果再动手。

    再来看数据策略的转变,Dyna Robotics近期采用百万小时级的人类第一视角数据来训练世界模型,效果显著提升。大晓判断,三层数据结构不会变,变的是各层比例:人类第一视角数据正迅猛增长,未来一两年内,有可能从百万级跃升至千万级,在训练中的占比将大幅提高。机器人真正需要学习的并非特定本体的动作,而是人类与环境交互的原因。与真机数据的高成本和难以获取相比,这条路径至少让数据规模化成为可能。

    技术之外,落地才是硬道理。大晓这次发布的三套方案,面向即时零售的晓满、面向酒店客衣服务的晓新、面向开放场景作业的晓途,都对应着真实商业场景。履约机器人W1力控精度小于1牛顿,底盘最小通过宽度约75厘米,能进前置仓和仓店一体门店;酒店洗衣流程拆出十几个动作,除了长程任务规划,失败后还得会反思纠错再重试;晓途主打无图导航,不依赖高精地图,一个人就能在云端管理10台机器狗。客户系统、场景点位的部署被压缩到天级,机器人进场最快次日就能上线,这种工程化速度在具身行业里并不多见。

    实话说,具身智能行业在过去一年里,最大的争议点就是演示多、实际应用少。大晓将世界模型、数据建设以及行业方案放在一起探讨,至少释放出一个信号:世界模型并非只是实验室里的玩具,它正逐渐成为机器人厂商愿意为之买单的产品。方向已然明确,谁能将脑海中的设想转化为实际的量产交付,谁就能率先享受这波发展红利。

    机器人产业最重要风向标,世界机器人大会(WRC)2026重磅来袭,还有世界人形机器人运动会紧随其后。

    宇树、智元、启元、魔法原子、银河通用、云深处、灵心巧手等300余家TOP展商联袂呈现,定义全球机器人产业未来!

    所有关于机器人的核心问题,WRC都将给出答案。

    WRC 2026报道团已抵达WRC现场。

    导流版本.png

    本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系bd@zhengruan.com
    作者最新文章
    硬件相关
    相关文章 更多
    AI Agent、Genie 4与机器人有什么区别?从任务输入到场景演示
    AI Agent、Genie 4与机器人有什么区别?从任务输入到场景演示

    认识AI Agent、Genie 4与机器人的区别:任务输入不等于完成结果,世界模拟不等于现实执行,装载机动作展示也不能替代完整工程验收。

    CreateAI 联合中科院自动化所推出 NeoVerse 4D 世界模型
    CreateAI 联合中科院自动化所推出 NeoVerse 4D 世界模型

    CreateAI联合中科院自动化所推出NeoVerse4D世界模型,融合扩散模型与4D高斯溅射,基于百万段单目视频训练,30秒即可构建通用型4D世界。该模型实现“重建→生成→再重建”闭环,支持4D场景重建、自由漫游、视角生成、视频编辑及点云跟踪,适用影视、具身智能、自动驾驶等领域,并集成蒸馏LoRAs,可在消费级显卡上端到端推理。

    经纬蚂蚁等一线基金齐加注,世界模型公司逆矩阵完成超亿美元种子++轮融资
    经纬蚂蚁等一线基金齐加注,世界模型公司逆矩阵完成超亿美元种子++轮融资

    逆矩阵科技完成超亿美元种子++轮融资,由经纬创投、蚂蚁集团等投资。资金将用于通用世界基座模型预训练及规模化训练。公司由北大青年学者陈博远、吉嘉铭创立,已发布全球首个通用世界基座模型悟界·Physis-v0.1。

    物理AI等待的世界模型离大规模应用还要多久
    物理AI等待的世界模型离大规模应用还要多久

    物理AI依赖的世界模型面临概念定义混乱、真实物理数据稀缺及技术路线分歧等困境,导致模型构建困难。业界预计未来三到五年将持续迭代,从像素模拟走向因果推理仍是根本挑战。

    4D世界模型跨过工业量产门槛 影身智能跑通物理智能全链路
    4D世界模型跨过工业量产门槛 影身智能跑通物理智能全链路

    影身智能凭借原生4D基座世界模型,在制鞋产线实现规模化落地,跑通数据生成、模型训练、场景部署与反馈迭代的自进化闭环。该模型融合渲染、仿真、规划三大能力,以高维4D数据驱动物理理解与泛化,获得数亿元柔性智造订单,标志着世界模型跨入工业量产阶段。

    情感智能新突破:一眸科技构建人类身心情智维度专属“世界模型”
    情感智能新突破:一眸科技构建人类身心情智维度专属“世界模型”

    一眸科技聚焦情感与认知AI,源自北大实验室,构建人类身心情智维度专属世界模型。其跨学科团队融合AI、心理学等领域,实现精细表情识别与无接触视觉心率检测等多模态感知突破,推动人工智能从感知迈向认知与情感。

    上海AI Lab最新综述:一文读懂世界模型!
    上海AI Lab最新综述:一文读懂世界模型!

    世界模型这个概念,现在在AI圈火得不行,但也经常被拿来乱用。无论是视频生成还是机器人领域,似乎都在往“世界模型”这个筐里装东西。可问题是,它到底是什么?应该预测什么?怎么造?圈子里其实没什么共识。正好,上海AI Lab团队最近发了一篇综述,算是把这个概念好好梳理了一遍。他们对世界模型进行了科学定义,

    手机上即可生成互动游戏世界,灵光App升级世界模型功能
    手机上即可生成互动游戏世界,灵光App升级世界模型功能

    灵光App升级世界模型功能,接入蚂蚁灵波LingBot-World2.0,用户上传一张图片即可在手机端生成可自由漫步且支持施法、射箭等交互操作的沉浸式3D世界。新版实现720P高清画质、30帧以上流畅运行,响应延迟低至百毫秒级。

    灵光App升级世界模型2.0:手机端“一张图生成可战斗互动世界”
    灵光App升级世界模型2.0:手机端“一张图生成可战斗互动世界”

    灵光App升级世界模型2.0,接入LingBot-World2.0,手机上传图片即可生成可战斗互动的3D世界,支持攻击、射箭等操作并实时反馈。技术实现720P高清、30帧流畅运行、百毫秒级响应,Agent驱动场景持续演化,无需技术背景即可体验。

    蚂蚁发布可交互的开源世界模型:LingBot-World
    蚂蚁发布可交互的开源世界模型:LingBot-World

    蚂蚁集团旗下灵波科技开源世界模型LingBot-World,构建高保真、强可控、可动态反馈的虚拟仿真环境。具备长时序建模、低延迟实时交互与零样本泛化能力,在视频渲染、运动动态、时间一致性及交互响应上达行业前沿,完整模型权重与推理代码已开放。

    查看更多
    精品专题 更多
    装机必备
    装机必备

    正软商城装机必备专区,精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件,帮助用户快速完成新电脑软件配置。

    Windows
    Windows

    正软商城Windows软件专区,汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件,提供软件介绍、系统要求、正版授权及购买下载服务。

    PDF教程
    PDF教程

    正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法,同时介绍常用PDF软件和工具的使用技巧。

    Mac软件 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    Aperty macOS版
    Aperty macOS版
    macOS

    Aperty 是 Skylum 推出的 AI 人像修图软件,支持自然肤质修饰、瑕疵处理、面部与身体调整、预设及批量同步。

    WINDOWS 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    PixTV 网页版
    PixTV 网页版
    Windows

    PixTV 是一款在浏览器中使用的 AI 视觉内容创作平台,提供图片、视频、音频、文字生成、AI 分镜、局部重绘、提示词反推和无限画布等工具,适合短剧、漫剧、广告及社交媒体内容制作。