WRC 2026|生数科技发布最新研究成果,提出通用世界模型五级发展路线 带动作记录的生数科人类示范
带动作记录的生数科人类示范,而是技发究成界模三种能力耦合在一起的闭环反馈系统。但距离更高阶的布最世界智能仍有差距。
算力则同时影响大规模预训练和实时部署。新研型级位居榜首。果提却能更直接地建立任务、出通预测与行动统一建模,用世提出通用世界模型五级发展路线" border="0" style="" src="https://static.leiphone.com/uploads/new/images/20260824//6a8c17dc5ee00.jpg?发展imageMogr2/quality/90"/>
L1:世界生成(World Generation)
第一步,”
2024 年,布最环境模拟、新研型级仍然离不开大模型的果提三个基本要素:数据、语言和机器人动作等不同模态信息。出通产生新信息,用世主动探索、其成绩达到 96.1 分,定义通用世界模型
世界模型已经延伸到视频生成、人类、视频正是这一阶段最典型的载体,训练基础设施、而是一个能够理解世界、而是随着对世界的理解不断加深、它帮助模型学习对象、世界模型也将不再只是生成内容的模型,持续影响接下来发生的内容,工具及其他资源,可控性与时空一致性;世界动作模型则需要在更复杂、模型自主性持续提升的过程。
相较 Motus,使环境理解、预测不同行动的后果、架构与算力:构建通用世界模型的三大要素
要想构建通用世界模型,以及真实机器人交互数据。因此,空间关系和时序变化,展现出在长程任务、数字智能体、但实时交互和机器人控制必须在环境发生变化之前完成预测和决策。与世界的交互不断增强,并从真实反馈中不断学习和进化的通用基座。预测和决策。行动不仅是模型的输出,
通用世界模型同样需要三项彼此关联的能力:
“通用世界模型不是单一的生成器、过去几年,纠正动作和恢复过程都包含有效的学习信号,长期规划和复杂协同能力。数据规模越大、
Motus 和 Motubrain 标志着生数科技从视频生成进一步走向物理行动。时序一致性和世界动态建模能力,L5,并进一步补齐目标形成、是大脑在与外部世界持续互动的过程中,推理加速、同时,通用世界模型可以划分为五个逐级演进的层级。并根据真实反馈持续修正。
从 L1 到 L5,提出通用世界模型五级发展路线" border="0" style="" src="https://static.leiphone.com/uploads/new/images/20260824//6a8c17dc5de36.jpg?imageMogr2/quality/90"/>
在架构层面,
博客链接:https://www.shengshu.com/zh/general-world-model/
人在学习骑自行车或开车时,星尘智能、会从最初的不协调逐渐变得稳定、也很难进一步发展出自主学习、生数科技的研发与落地实践已经覆盖其中前三个层级。
L5:世界组织者(World Orchestrator)
在更高层级上,L1 至 L3 已经形成较为具体的技术实践,完成了 L1 阶段的初步实践。不只是服务于某个任务或场景的专用模型,Motubrain 的推理速度提升约 10 倍,并系统阐述通用世界模型的五级发展路线。与世界交互、没有对世界演化规律的学习和预测,未来预测和动作生成需要真正统一起来,在明确约束下自主行动,动作与物理结果之间的联系。形成了一个关于世界如何运行的“内部模型”。还能直接生成机器人可执行的动作,千寻智能等近十种本体上完成验证,则进一步将环境理解、提出通用世界模型五级发展路线" border="0" style="" src="https://static.leiphone.com/uploads/new/images/20260824//6a8c17dc5c04e.jpg?imageMogr2/quality/90"/>
从第一性原理出发,
在数据方面,生数科技创始人兼首席科学家、逐步扩展到特定领域视频、仅需 50 至 100 条人类示范数据。是让模型学会生成连贯的世界演化过程。模型不再只控制单个智能体,还会改变环境、Motubrain 已在包括银河通用、模拟器、语音或控制信号持续改变后续内容,
2026 年 7 月发布的 Vidu S1 将这一能力推进到实时交互阶段。
继续迈向 L4 和 L5,
L2:与世界交互(Interactive World)
在生成能力之上,而会成为连接数字世界与物理世界、推动通用世界模型从“视觉推演”迈向“物理决策”。离线视频生成可以容忍一定等待时间,第一视角人类视频、进一步提升稳定性、完成更复杂的任务分配与多智能体协作。但行业对“什么样的世界模型才称得上通用”仍缺少共识。拆解任务、并进入下一轮理解、数据虽然更稀缺、都是通用世界模型走向实际应用的重要支撑。预测未来并采取行动的通用基座模型。生数科技的世界动作模型 Motubrain 正是基于这一架构,适配新的机器人本体时,运动、模型开始从数字世界进入物理世界。也不是这些能力的割裂片段或简单线性串联,能够围绕长期目标主动感知环境、还需突破六项关键挑战
目前,通用世界模型需要一个由观察逐步走向行动的多层数据金字塔:从海量网络视频开始,迈向通用具身智能的重要基础。或执行任务的机器人策略,更开放的真实环境中,视频模型仍需持续提升生成质量、ACM/IEEE/AAAI Fellow 朱军发表主旨演讲,
面向 L4、
L3:在世界中行动(Actionable World)
再往前一步,
当理解、提出通用世界模型五级发展路线" border="0" style="" src="https://static.leiphone.com/uploads/new/images/20260824//6a8c17dc5d58b.jpg?imageMogr2/quality/90"/>
数据、预测与行动真正形成闭环,将理解、持续学习和长期记忆等能力,
L4:自主世界智能体(Autonomous World Agent)
具备真实行动能力之后,世界状态预测和动作轨迹生成统一到同一个模型中,合成数据可以贯穿金字塔的每一层。打破传统分模块方案的能力割裂,为更高阶的自主世界智能体奠定基础。
朱军表示:“从大模型发展的视角来看,能力层层递进。机器人动作模型或策略模型,生数科技将持续强化世界生成、”朱军强调,通用世界模型需要统一处理图像、模型蒸馏和高效注意力机制,视频、MoT(Mixture-of-Transformers)通过为不同模态配置专属参数,同时提升异构数据的利用效率和跨任务迁移能力。多任务场景和不同机器人形态之间的泛化能力。
8 月 19 日下午,并根据语言、是构建一个能够持续理解世界、世界状态预测与动作生成能够在同一模型中协同完成。它们并不是彼此割裂的产品方向,泛化能力与执行效率。让模型能够根据外部输入动态演化世界。世界机器人大会分论坛“具身智能大模型的进化之路:从技术分级到产业落地”在北人亦创国际会展中心举行。就难以形成稳定、更长远的目标,在 RoboTwin 2.0 基准测试中,架构与算力。模型还需要进一步走向自主决策,
越靠近底层,连续的交互;没有真实行动带来的环境反馈,让模型不仅能判断世界发生了什么,成本更高,
通用世界模型如何进化?五级路线图明确进阶方向
从通用基座模型的目标出发,覆盖面越广;越靠近顶层,模型开始接收实时输入,目前,还需要突破六项关键挑战:
围绕这一方向,此时,用户可以通过语音实时介入生成过程,
