从海拉鲁到现实世界：视频模型如何理解「变化」
雷峰网用三组原创图生视频任务对比 HiDream-O1-Video-1.0、Seedance 2.5 与 MiniMax H3，考察意图规划、时间因果和音画对应。
#世界模型
#世界模型
今日 0 条leiphoneAI 评分5252 HF blog精选AI 评分8080 EWAM 发布统一具身模型：单一扩散 Transformer 联合处理视觉语言、未来视频与动作
EWAM 是一个统一具身模型，在单个 flow-matching Diffusion Transformer 中联合处理视觉语言、未来视频和动作 token，无需显式阶段设计即出现按深度分工：浅层从视觉语言专家取指令与当前场景语义，中层转向预测的未来帧表示，深层由动作自注意力主导做运动细化。
推荐理由：EWAM 把视觉语言、未来视频与动作 token 放进同一扩散 Transformer，并公开各阶段权重与下载方式，便于对照其分层分工与基准结果。
qbitaiAI 评分6666 美梦空间联合索辰科技发布Physical-WAM世界动作模型与RoboTwin-Phys物理漂移评测基准
9月26日，杭州美梦空间在第五届全球数字贸易博览会上发布Physical-WAM物理-世界动作模型与RoboTwin-Phys物理漂移评测基准。Physical-WAM由PhysLens、PhysDream、PhysAct三个模块构成，在感知输入与动作输出之间插入物理Token表征，用于估计摩擦、重量、重心、接触状态等物理信息并预判动作后果。
qbitaiAI 评分5555 Simate发布首版通用物理快系统Simate-beta，登顶RoboDojo
成立三个月的Simate发布首版通用物理快系统Simate-beta，据公司披露以平均Score 33.95、SR 27.96%登顶更新于2026年9月23日的RoboDojo榜单，该成绩属榜单评测，真机表现另行展示。
qbitaiAI 评分6767 诺因发布 GLOW 技术报告：一次人类演示实现跨场景任务复用
诺因（Knowin）9月24日发布面向通用具身智能的生成式学习架构 GLOW 技术报告，称人类演示一次后机器人即可跨物体、跨环境、跨任务复用，在开盒收纳、浇水、擦桌、调酒等任务中得到验证。
qbitaiAI 评分3636 智象未来发布首款物理规律导向视频模型 HiDream-O1-Video-1.0，双榜进入全球第一梯队
智象未来（HiDream.ai）发布首个原生全模态视频生成模型 HiDream-O1-Video-1.0（HD-V1），支持文本、图片、视频等多模态输入，可一键直出 5–20 秒 1080p 视频。
qbitai精选AI 评分7878 生数科技发布世界模型 Motus2，探索机器人自我进化
生数科技发布世界模型 Motus2，在同一模型中整合行动、预测与评估三种能力，形成生成动作、预测后果、评估结果、更新策略的闭环，探索递归自我改进（RSI）。真机测试中，手机放置与多指操作两项任务基础策略平均成功率 65%，加入规划为 67.5%，加入基于模型的强化学习为 72.5%，两者结合达 75%；加入触觉后抽取纸杯与撕纸任务平均成功率从 60% 提升至 72.5%。
推荐理由：生数科技 Motus2 把动作生成、后果预测与价值评估放进同一世界模型，读者可了解其闭环自进化机制与真机数据。
qbitai精选AI 评分7878 生数发布世界模型 Motus2，探索机器人闭环自进化
生数科技发布世界模型 Motus2，在同一模型中整合行动、预测与评估三种能力，形成生成动作、预测后果、评估结果、更新策略的闭环，探索递归自我改进（RSI）。真机测试中，手机放置与多指操作两项任务基础策略平均成功率 65%，加入规划升至 67.5%，加入基于模型的强化学习达 72.5%，两者结合达 75%。
推荐理由：生数 Motus2 把动作生成、后果预测与价值评估放进同一世界模型，读者可了解闭环自进化的实现路径与真机数据。
qbitaiAI 评分6262 高德发布3D原生城市世界模型ABot-Earth 0.7
9月10日，阿里巴巴集团旗下高德发布3D原生城市世界模型ABot-Earth 0.7，支持从星球到街景的一体化全尺寸AI生成，覆盖超过196个国家和地区。模型输入一张卫星图像或一段文字描述，可在消费级GPU上用10分钟生成公里级3DGS城市场景，效率比传统模式提升1000倍。体验官网已上线，相关能力已应用于飞行街景2.0，用户可操控摇杆漫游3D场景。
qbitaiAI 评分7171 蚂蚁灵波开源1.3B轻量版LingBot-World 2.0，单卡可实时生成世界
蚂蚁灵波发布LingBot-World 2.0轻量版，参数规模1.3B，面向消费级单卡GPU设计，可在本地实现实时世界生成。该版本延续7月开源的14B主模型路线，先训练Causal World因果预训练底座，再经一致性蒸馏与DMD蒸馏压缩去噪步数，并让Student在自身长时self-rollout轨迹上训练以减少累计漂移。
qbitaiAI 评分6060 脸谱心智发布循环世界模型论文 LoopWM，称早于 OpenAI Astra 曝光
脸谱心智于 2026 年 6 月发布技术报告《Looped World Models》（arXiv: 2606.18208），提出 LoopWM，称其为首个将循环 Transformer 架构用于世界建模的方法，论文登上 Hugging Face Papers 当日 Top 1。
qbitaiAI 评分6666 Scalabot 发布 HERON-World Model，可预测多智能体交互
Scalabot 发布首个世界模型 HERON-World Model，输入当前画面和待执行动作即可预测后续画面，并支持多智能体动作配合与相互影响的预测。
qbitaiAI 评分5858 智象未来发布具身世界模型HiDream-O1-Embodied，RoboColiseum扰动适应子榜登顶
智象未来（HiDream.ai）发布具身世界模型HiDream-O1-Embodied，强化机器人物理感知与动态预判能力，打通图像、视频、3D、动作等模态。该模型首次参评具身智能仿真评测平台RoboColiseum，在扰动适应（Robustness）子榜以平均分0.692登顶榜首。
qbitaiAI 评分6060 李飞飞World Labs发布Atlas后，影溯开源世界模型InSpatio-World被指半年前已具备类似能力
World Labs于9月2日发布多模态世界模型Atlas，可将文字、图像、视频和3D信息放入统一空间上下文，实现三维场景重建与新视角生成。国内团队影溯早在今年3月已开源具备类似能力的InSpatio-World，其升级版本即将发布并继续开源。
qbitaiAI 评分2222 神秘具身团队 MVP 模型连发 Demo：自进化路线曝光，机器人将上街开放环境测试
神秘具身团队放出代号“MVP”（Make Veritable People）的自进化模型系列 Demo，展示机器人在木棍推搡下端水不洒并同时扶住易拉罐、zero-shot 完成客厅收纳（团队称成功率 80%）、两台不同型号机器人跨本体协作抖床单，以及一次收纳 4 件物品的长程任务。团队称训练全部来自人类视频，并计划让机器人进入开放环境上街展示。
qbitai精选AI 评分7878 李飞飞 World Labs 发布多模态世界模型 Atlas
李飞飞 World Labs 发布多模态世界模型 Atlas，称其可仅凭一张图片生成像素级相机控制的图像和视频，最高输出 1 分钟、1440p 视频，并基于一张到数十张输入图像重建真实场景、输出显式 3D 表示。
推荐理由：Atlas 把相机控制生成、3D 重建与 Real-to-Sim 串成一条路径，可据此判断世界模型在机器人训练数据上的落点。
DeepMind blogAI 评分2222 Google DeepMind 模型全景：Gemini、Genie 3、Gemini Robotics 2 等
Google DeepMind 集中列出其模型阵容，包括新一代前沿智能 Gemini、实时音频模型 Gemini Audio、视频生成模型 Veo、图像生成与编辑模型 Nano Banana。
qbitaiAI 评分6262 生数科技发布通用世界模型五级发展路线，Motubrain 在 RoboTwin 2.0 达 96.1 分
生数科技创始人朱军在 WRC 2026 分论坛发布团队最新研究成果，提出通用世界模型五级发展路线，从 L1 世界生成、L2 与世界交互、L3 在世界中行动，到 L4 自主世界智能体与 L5 世界组织者。
qbitaiAI 评分4242 智象未来 HiDream-O1-World 原生全模态世界模型：从模拟世界到交互世界
智象未来在 WRC 2026 发布原生全模态交互式世界模型 HiDream-O1-World，基于自研 UiT 架构，首次参评即登顶 WBench 的 Navi 分榜。该模型支持文本、图像及交互式操控输入，具备漫游、编辑、交互三项能力，核心突破是长时程时空一致性与物理一致性。
qbitaiAI 评分4242 知跃空间智能发布 DeepSoma：精细神经元全脑仿真平台对标 Eon 数字果蝇
知跃空间智能发布全脑仿真基础平台 DeepSoma（知跃灵物），从树突、膜电位、离子通道等生物物理层面建模精细神经元，而非 Eon Systems 采用的 LIF 简化模型。
qbitaiAI 评分6060 星海图 WRC 最大展台展示 G0.5 模型与生产力觉醒
量子位在 2026 年 WRC 现场观察到，星海图以 500 平方米展台、10 组 Demo 展示其具身智能成果，主题为生产力觉醒。其与京东合作的前置仓场景中，机器人端到端完成下单、取货、打包与交付，背后 G0.5 模型据现场工作人员介绍可泛化到上万种 SKU；工业装配场景中引入强化学习后操作精度做到 1mm 以内、成功率 99.9%，效率提升 400%。
NVIDIA dev blog robotics精选AI 评分6060 NVIDIA 发布 Cosmos 3 Edge，面向端侧机器人控制的后训练世界模型
NVIDIA 发布 Cosmos 3 Edge，这是 Cosmos 3 系列中的 4B 全模态模型，并配有基于 Nemotron 的 2B 推理器。原文指出机器人需要能适应自身传感器、环境和任务、同时运行在机载计算硬件上的策略，而世界模型虽然为学习物理交互提供了基础，但其体积会让端侧部署变得困难，Cosmos 3 Edge 正是针对这一问题。
推荐理由：NVIDIA 公布 Cosmos 3 Edge 的 4B 参数与 2B 推理器配置，读者可了解世界模型在机载硬件上部署的取舍。
qbitaiAI 评分6969 Current Robotics 发布交互式世界仿真器 CurrentWorld-0
Current Robotics 团队发布交互式世界仿真器 CurrentWorld-0，把跨本体、多视角和力-触觉预测放进同一个系统，用于机器人策略评测。团队称模型保留不同本体的 Action Subspace，可同步生成多路视角，并让力觉与触觉随动作一起变化，避免世界模型替失败策略补回成功结果。
qbitaiAI 评分7171 Noiz AI 发布实时可交互音视频世界模型 HelixWorld 1.0，24FPS 画面配 48kHz 立体声
Noiz AI 联合香港科技大学、清华大学、CMU、Google DeepMind 等机构研究员发布实时可交互音视频世界模型 HelixWorld 1.0，支持 24 FPS 实时生成画面并同时输出 48kHz 双声道音频，画面与声音由原生 Transformer 架构统一生成。
qbitaiAI 评分6666 自变量机器人直播实测：WALL-B模型驱动双臂夹爪分拣达1816件/小时
自变量机器人进行「夹爪方案挑战1248件/小时物流分拣」公开直播实测，双机械臂加标准夹爪连续作业1小时，分拣效率达1816件/小时，准确率98%，全程无人工接管。
NVIDIA blog robotics精选AI 评分7878 NVIDIA 发布 Cosmos 3 开放世界基础模型家族
NVIDIA 发布 Cosmos 3 开放物理 AI 世界基础模型家族，基于 mixture-of-transformers 架构，同时支持视觉推理、世界生成与动作预测。
推荐理由：Cosmos 3 以开放权重和三种规模覆盖世界生成与动作预测，读者可据此判断物理 AI 团队如何做后训练与部署。
NVIDIA dev blog roboticsAI 评分2020 超越 VLA：世界动作模型如何重塑机器人操作
NVIDIA 提出世界动作模型（World Action Models），用于解决机器人策略泛化难题：仅在训练场景成功的策略，在物体形状、位置或光照变化时往往失效。该模型让策略理解任务背后的物理规律，而非单纯模仿示范，这一能力来自其骨干网络。
NVIDIA dev blog roboticsAI 评分5858 NVIDIA 发布 Alpamayo 2 Super 开源推理视觉模型
NVIDIA 发布 Alpamayo 2 Super，这是一个 340 亿参数的开源推理视觉模型，用于自动驾驶开发。原文指出，以往轨迹生成、高层意图预测、场景理解和数据标注往往依赖彼此独立的模型，导致相关输出难以比较、模型行为难以排查、表示也难以在开发流程中复用；Alpamayo 2 Super 将这些能力整合到同一模型中。
qbitai精选AI 评分7878 World Labs 发布 R2S2R 机器人策略训练与评估引擎
World Labs 发布机器人策略训练与评估引擎 Real-to-sim-to-real（R2S2R），由 Real-to-Sim 与 Sim-to-Real 两部分组成，把现实任务重建为可交互虚拟世界并完成策略训练、评估与部署。
推荐理由：World Labs 把世界模型从生成虚拟世界延伸到机器人策略训练与评估，读者可了解 R2S2R 的闭环构成与仿真到真机的对齐方式。
qbitaiAI 评分7474 智在无界发布 Being-H0.8 隐式触觉世界动作模型，基于超 50 万小时人类视频
智在无界（BeingBeyond）发布 Being-H0.8，称其为首个基于人类视频数据的隐式触觉世界动作模型，在 Being-H0.7 基础上首次把触觉模态纳入隐空间表示。
HF blog精选AI 评分7474 NVIDIA 发布 Cosmos-H-Dreams 实时生成式手术机器人仿真器
NVIDIA 发布 Cosmos-H-Dreams，一个动作条件驱动的实时生成式手术机器人仿真器，由 Cosmos-H-Surgical-Simulator 蒸馏为因果少步学生模型，并通过 FlashDreams 推理库在单张 RTX PRO 6000 上运行。
推荐理由：原文给出从离线世界模型到实时交互仿真的蒸馏与推理链路，可了解手术机器人策略评估环境的构建方式。
qbitaiAI 评分7474 兔展智能联合北大、鹏城实验室发布 UniWorld-View，登顶 WorldScore 榜单并开源
兔展智能联合北大、鹏城实验室研发的 UniWorld-View 登顶李飞飞团队 WorldScore 榜单，模型已适配国产昇腾算力，代码和权重全部开源（https://github.com/PKU-YuanGroup/UniWorld-View）。
qbitaiAI 评分6262 讯飞爻方智能发布 iFLYTEK-Embodied-Omni 技术报告：世界模型需补上本体认知
科大讯飞新成立的安徽爻方智能联合中国科学技术大学、聆动通用机器人发布技术报告 iFLYTEK-Embodied-Omni，主张 VLA 不是终局，世界模型还需补上本体认知这一环。
qbitaiAI 评分7272 它石智航WAIC首发具身原生基座模型AWE 3.5
它石智航在2026年WAIC首发具身原生基座模型AWE 3.5，并现场演示1:1还原的环形线束流水线，多台机器人集群协作、同一基础模型不切换参数完成装配、插接、收纳等任务。
qbitaiAI 评分4242 酷哇科技 WAIC 2026 发布行业首个双层智能体世界模型 COOWAM
酷哇科技在 WAIC 2026 披露行业首个双层智能体世界模型 COOWAM，由负责物理规律的 CooWAIM 与理解社会规则的 Urban VLM 组成，现场驱动机械臂自主完成切西瓜、拧瓶盖、制作“夏日特调”等长程操作。同期首款重载型四足机器狗 X0 线下首秀，具备 68kg 重载能力，已完成多场景验证并步入真机部署阶段。
qbitaiAI 评分4242 国家具身智能应用中试基地发布魔芯科技MoWorld 3D世界模型
国家具身智能应用中试基地联合华为云、魔芯科技在杭州发布MoWorld 3D世界模型，称其为全球首个全栈基于国产NPU构建的三维世界模型，并同步上线华为云向全行业开放能力。该模型依托基地算力调度与场景验证，将进入智慧交通、应急仿真、城市治理等真实城市场景。
qbitai精选AI 评分7878 黎曼动力发布Riemann-1.0世界动作模型，登顶RoboCasa-365
昆仑万维子公司黎曼动力在WAIC 2026发布通用机器人操作世界动作模型Riemann-1.0，在RoboCasa-365家务基准上以62.6%成功率登顶，比此前SOTA高8.4个百分点。
推荐理由：读者可了解黎曼动力如何用20万小时人类第一视角视频预训练世界动作模型，并看到消融实验给出的增益幅度。
qbitaiAI 评分6262 文远知行发布物理AI认知基础大模型WITT
文远知行发布物理AI认知基础大模型WITT，提出“最小物理事实单元”概念，将道路视频拆解为可识别、验证的事实单元，形成事实提取、事实推理、事实验证、事实编排四项能力。
qbitaiAI 评分7474 银河通用发布 WAM-TTT 测试时后训练框架，仅用人类视频即可部署
银河通用发布面向具身智能大模型的测试时后训练框架 WAM-TTT，将 Test-Time Training 迁移至机器人控制，无需重新预训练或人类动作标注，仅用未标注人类 RGB 视频即可在部署阶段适配新场景。
qbitai精选AI 评分7878 原力灵机发布具身世界模型 DW0.5，接入 DFOL2.0 后训练框架
原力灵机发布首款具身世界模型 DW0.5，并接入世界模型驱动的具身智能后训练框架 DFOL2.0。DW0.5 由 Video Expert、Action Expert、Value Expert 三大专家模块组成，用上万小时真机多视角数据联合预训练，可预测动作执行后的未来状态并生成失败轨迹，据其披露可让后训练中真机数据需求骤降 60%、整体训练成本下降 40%。
推荐理由：原力灵机披露 DW0.5 世界模型接入后训练框架的完整闭环，读者可了解其三大专家模块设计与真机数据需求下降 60% 的实测数据。