2026年，世界模型技术正迅速崛起，特别是在具身智能领域。近期，至少十家具身智能公司纷纷推出各自的世界模型方案，在刚刚结束的世界机器人大会上，多家机器人制造商将其视为技术展示的重点。随着越来越多的企业投入这一领域，人们开始质疑这是否意味着技术的真正进步，还是仅仅是一个热门概念的快速复制。
对于机器人而言，世界模型的目标不仅限于预测未来事件，更是帮助机器人理解环境变化，从而优化动作生成、规划和决策过程。因此，尽管众多公司在探讨世界模型，它们的技术路径和目标却有所不同。光象科技与清华大学的合作推出了物理原生世界模型Phi-WM 1.0 ActEffect，标志着其在“物理原生智能”技术路线上的成绩。同时，这款模型也配合其工业级自进化机器人Phi-Bot X1，旨在实现数据与算法的闭环集成。
世界模型的集中爆发反映了具身智能领域对“世界理解”的迫切需求。当前很多具身智能系统仍依赖模仿学习，通过观察人类的动作生成反馈。然而，当面对复杂环境时，盲目的模仿容易引发问题，如零件位置的变化可能导致完全不同的结果。这意味着，单纯的“看到就做”无法适应现实中不断的变化和复杂的任务。世界模型提供了一种新的解决方案，即让AI在内部构建环境状态和变化规律的理解，以此支持规划和决策。
光象科技在此基础上深化了对世界模型的理解，识别出在机器人执行动作后，物体如何变化的因果关系。比如在汽车上下料的场景中，各种因素如传送带的运动、光照变化和机械臂的操作相互交织，挑战了模型对状态变化的判断。光象科技因此紧紧围绕“动作—后果—世界变化”的因果链展开技术研发。
围绕这一判断，光象科技的“物理原生智能”体系包括几个基本特征。首先是状态解耦，通过已有的物理知识描述机器人的物理状态，其次是基于因果关系的时序建模，最后是遵循物理定律，确保模型长期的稳定性。最终目标可归结为三个方面：精准感知、清晰思考与稳定运行。ActEffect作为这一体系的第一个模型实现，强调在训练中考虑“动作因果”，探索不同动作对未来状态的影响。
发表评论