半两财经｜北京人形WoW世界模型让机器人又多一项新技能

10月17日，北京青年报记者从北京人形机器人创新中心获悉，该中心开源了全新的世界模型架构，提出了一个让机器人真正“看见、理解并行动于世界”的具身世界模型——WoW（World-Omniscient World Model），帮助具身智能机器人快速学习掌握各项技能，助力行业打造“最好用”的机器人。这也是继Deepseek在大语言模型开源促进行业发展后，又一个打破边界进行开源的大模型。

北京人形机器人创新中心“具身天工Ultra”获得全球首个人形机器人半程马拉松冠军，并且采用”全自主“方式在首届世界人形机器人运动会，获得100米短跑项目的冠军，成为人形机器人史上首个百米“飞人”，充分展示其“最能跑”的领先技术实力；基于”慧思开物“平台下的”具身大小脑协同，北京人形仅凭天轶2.0一款机器人，在首届世界人形机器人运动会一举斩获一金三银一铜的优异成绩，表现出卓越的泛化能力——面对毫米级物料插装、复杂路径搬运、行李识别与运送等任务，均能在无人干预下高效完成，能够在多个垂直场景中同时达到顶尖水平，且在效率上不输专用机器人，同样也证明了其“最好用”。

本次WoW具身世界模型的开源，使得全球研究者不仅能够复现论文结果，更能够在WoW的基础上进行深入研究和应用开发，大大降低了世界模型研究的入门门槛，加速具身智能机器人走入生活方方面面。

据介绍，这不仅仅是一次视觉模型的升级，更是一个融合了视觉、动作、物理感知与推理的统一世界生成框架。它让AI不再只是“看视频”或“生成图像”，而是能通过交互学习世界的物理规律，并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”，并且给到算法触摸世界的双手。创新的技术架构、完全开源的策略、完整的工具支持，使得WoW有望成为世界模型领域的“Deepseek"。

WoW具身世界模型能够根据环境状态与历史帧，预测未来场景、推演物理演化、还原动态因果链。WoW 不是在记忆训练场景，而是在学习“物理规律的抽象本质”，具备跨机器人形态泛化、任务泛化、场景泛化全方位能力，这类“视觉+物理”的泛化能力，是通向具身智能的关键指标。

它可以让世界模型“自己教自己”。WoW 具身世界模型在语言引导下生成物理上合理的未来，通过“生成预测—批评—修正”的迭代循环机制，将“想象”与“推理”统一为具身智能的基本组成部分，正类似于人类智能“想象-验证-修正-再想象”的核心特征，让模型越看越准，越生成越真实。

WoW具身世界模型还能实现视频生成和机器人动作闭环，意味着AI不再停留在“想象中”，而能真正“动手”去验证自己的理解，标志着真正实现从生成到执行的跨越。

文/北京青年报记者 宋霞

编辑/张丽