天工“大脑”分享给更多机器人！北京人形机器人创新中心开源具身世界模型WoW

后空翻、跑酷、马拉松……最近，人形机器人学会了不少运动本领，体现了运动能力。“让机器人完成一个后空翻很难，但让它‘理解’面前的水杯为什么倒下后水会洒出来要更难。”北京人形机器人创新中心相关负责人解释，让机器人“理解”这些，得需要“世界模型”。

“世界模型”近来在人工智能领域格外热门。通俗地说，它通过大规模交互数据的学习，使机器人能够建立对真实世界物理规律的理解与预测能力。比如，人类在抓取一个生鸡蛋时会考虑使多大的力，而人形机器人就是通过“世界模型”来预测类似这种使多大力的物理规律。

“WoW”不只是让机器人可以“看得见”，更融合了视觉、动作、物理感知与推理。它能让机器人通过学习世界的物理规律，在真实环境中自主操作。“如果说GPT系列让机器‘读懂语言’，Sora系列是在‘看世界’，那么WoW 就是让机器人‘理解物理世界’。”上述负责人说。

对人来说，完成清洗水果、收拾桌面等任务格外简单，但对机器人来说每一个动作都需要分别完成感知、预测、判断、反思与行动。“WoW”模型恰恰拆分成了这些环节，能够根据环境状态预测未来场景、推演物理演化、还原动态因果链。

从展示效果来看，搭载了该模型的“天工”机器人可以轻松完成打开洗碗机、拧开水龙头等各种不一样的动作。如果没有这个模型，那就只能由人给机器人下发单一指令，让它单独完成某一个动作；但有了这个模型的机器人则具备学习的能力，可以通过学习完成不一样的动作。

对机器人来说，“泛化”是格外关键的指标，也就是面对不同任务、场景、形态，都能稳定发挥。“WoW”恰恰具备这个能力，不是在记忆训练场景，而是在学习“物理规律的抽象本质”。这类“视觉+物理”的泛化能力，是通向具身智能的关键指标。

该模型开源后，已经受到学术界和产业界的广泛关注，国内外企业和高校院所的相关文章也引用了该具身世界模型技术报告。“开源后，更多企业不用自研模型，搭载‘WoW’就可以让机器人掌握更多本领，真正惠及行业。”北京人形机器人创新中心相关负责人说。