天极网大咖秀

具身世界模型迈入工程竞争,CloudRobo‑WM1.2,国产算力下的新解法

深度围观 2026-11-18 阅读: 133 次

编者按:

具身世界模型的核心命题,是让机器人建立对真实物理世界的理解与预判。华为云本次发布 CloudRobo‑WM1.2,正是沿着这个方向,依托昇腾算力,用原生一体化架构尝试解决机器人感知、推演物理交互的难题。

具身智能走到工程分叉口

具身智能走到了 “仿真分数” 与 “真机落地” 的分叉路口。过去两年,具身世界模型已经从实验室概念变成行业的必争赛道。全球已有五十余家机构入局,国内公开披露的世界模型数量接近六十个,谷歌、英伟达、国内科技厂商与机器人创业公司同步推进不同技术路线。

行业当下正面对一组尖锐的结构性矛盾:仿真评测基准的分数持续冲高,一旦迁移到真实物理机器人本体,性能往往出现明显衰减;高质量机器人交互数据稀缺、标注成本高昂;不同形态机器人之间能力迁移困难;同时世界模型推理带来算力、时延压力,进一步抬高产业落地门槛。简单依靠通用大模型做视觉识别、再外挂独立动作模块的拼接式方案,正在遇到瓶颈。

行业共识逐步形成:想要机器人真正预判物理交互结果,需要把世界表征理解与动作生成做更深层次的融合。在此背景下,华为云 11 月 16 日发布昇腾原生具身世界模型CloudRobo‑WM1.2,它不是一款孤立模型,而是完整置于CloudRobo一站式具身开发平台之上,基于国产算力,打通从模型、仿真到真机部署的全链路,解决上述行业难题。

行业内相当一部分具身方案,采用 “世界预测模块 + 独立动作输出模块”的拼接架构:前者负责理解、推演环境变化,后者单独输出机器人动作指令,两套模块分开训练再做后期融合。华为云这套方案选择了不一样的技术路径,采用 DualAct 世界模型原生动作生成架构,把环境表征预测和动作生成放在同一套骨干网络之内,不再做简单拼接。

整套体系面向产业真实痛点,包含五项核心技术设计。

PPA多模态世界表征架构,把机器人感知从静态图像理解升级为 4D 动态物理理解,融合 RGB 视频、深度、点云、语义信息,对物体交互之后运动轨迹、倾倒、碰撞等物理结果做前置预测,应对遮挡、视角突变等现实场景扰动。该模型在行业公认的 RoboTwin2.0、LiberoPro2.0 仿真评测基准上取得第一梯队评测结果,这套成绩依托昇腾算力底座完成训练,证明国产算力可以训练出具备竞争力的具身世界模型。

DualAct世界模型原生动作生成架构,打破感知、动作模块分离的传统思路,实现世界表征和动作生成同源建模,从底层适配机器人的物理交互逻辑。

多粒度监督自适应预训练框架,用来缓解行业高质量标注数据供给不足的普遍困境。现实场景中大量机器人数据存在动作标注残缺、深度缺失、视角不全的问题,传统训练框架会直接舍弃这部分素材;这套框架支持异构、残缺标注数据参与预训练,尽可能盘活存量行业数据,降低对高标准完整数据集的依赖。

本体语义保真跨具身运动建模,相当于一套运动语义翻译层,尝试在语义层面对齐不同机器人本体的运动逻辑,目标提升模型跨硬件迁移能力,减少更换机器人硬件后需要大规模重新调优的成本。

World/Expert Action 四种可组合弹性推理模式,形成双路径调度能力:一条通路依托世界模型骨干输出高精度动作,完整保留物理推演能力;另一条专家动作通路侧重低时延输出。客户可以根据自身算力、时延约束自由组合,适配云端大算力到边缘有限算力的不同场景,在精度和响应速度之间灵活取舍。

模型之外,完整工程链条同样是战略组成部分。CloudRobo 平台配套具身广场资产库、R2C 机器人‑云通信 SDK,打通仿真调试、模型部署、真机调测的链路;同时对外开源模型权重与推理代码,训练框架、昇腾算力代码库对核心合作伙伴定向开放,意图通过开源扩大生态接入规模。公开信息显示国内八成具身智能企业已经使用昇腾云作为训练算力底座,拓斯达、福龙马、节卡、星海图等机器人企业已经进入生态合作名单,部分环卫机器人项目已经进入预落地阶段。

值得注意的是,过往多数标杆世界模型的训练依托海外算力完成,CloudRobo‑WM1.2 完整跑通了昇腾算力底座、模型、仿真、真机部署的全栈链路,这也是它在国内产业环境里独特的战略底色。

仿真只是上半场

放眼整个行业,各家机构对世界模型的投入,已经分化出三条清晰取向,没有绝对优劣,只是面对的约束条件不同。第一条是通用生成式世界模型路线,侧重视频、三维场景生成,擅长构建虚拟世界,物理真实性强,但直接输出机器人连续控制动作链条的工程链条更长,更多作为上层认知推演底座。第二条是 “世界模型 + 外挂动作头” 拼接路线,开发门槛相对可控,模块可以迭代替换,是现阶段多数团队选择;短板在于两套模块之间对齐难度高,遇到复杂物理交互、长时序任务时容易出现逻辑脱节。第三条,就是以 CloudRobo‑WM1.2 为代表的世界模型原生动作一体化路线,追求环境推演和动作生成同源;代价是整体架构耦合度更高,对训练框架、算力适配、跨本体调优的工程要求更高。它的目标不是做通用视频生成,而是直接面向机器人实体操作任务。不同路线的取舍,本质上都在回答同一个命题:世界模型到底要解决什么问题,是优先还原虚拟世界,还是优先解决真实机器人的抓取、装配、操作任务。

当然,这套一体化架构的价值,恰恰就是针对这些行业顽疾给出体系化解法。它的意义,不在于一步跨过所有工程关卡,而在于给行业提供一套可复用、基于国产算力底座的标准化开发路径。

必须看到,仿真基准拿到高分,不等于产业规模化落地已经完成,这套方案同样需要面对全行业共通难题,同时自身也存在成立的前置条件。再好的世界模型与开发工具链,也只能解决 “仿真空间里的推演问题”。物理世界不会因为一套模型架构,自动省略真机试错、本体调校、场景数据积累的过程。CloudRobo 的价值,是降低试错成本。

仿真‑真机鸿沟依然客观存在。RoboTwin、LiberoPro 等基准属于仿真环境评测,行业报告指出,即便仿真环境表现优秀,迁移到真实物理机器人,受传感器噪声、摩擦、材质差异影响,任务成功率会出现明显回落,仿真分数不能直接等价于工业生产环境可用能力,这是整条赛道共同的硬约束,并非单一产品的短板。一体化原生架构也带来耦合度提升的代价,世界表征与动作生成强绑定的设计,好处是逻辑一致性更好;但也意味着,当硬件本体发生改动,模型调优的连锁影响面更大,对机器人本体的传感器配置、控制接口标准化提出更高要求。

开源不等于开箱即用。虽然模型权重对外开源,但企业拿到权重之后,还需要完成数据适配、本体校准、仿真‑实机迁移调优整套工程工作。开源降低了模型获取门槛,并没有消除后续大量工程落地成本。定向开放的训练框架,也仅面向核心合作伙伴,普通开发者无法完整获取全栈能力。同时生态的兑现依赖产业链协同,跨本体迁移能力,需要大量不同形态机器人的真机数据持续迭代;平台价值能否释放,取决于机器人厂商、硬件本体、行业场景数据持续接入。现阶段合作案例集中在环卫等少数场景,大规模多元行业样本的沉淀还需要时间。换而言之,CloudRobo‑WM1.2 从训练框架、模型架构层面给出了一套降门槛方案,但它并没有宣称可以取代真机数据沉淀、本体适配与现场调优这些产业化必经环节。平台提供的是完整开发工具链,而非开箱即用、适配所有场景的成品机器人能力。

结 语

具身世界模型的竞争,正在从 “刷仿真榜单” 的算法竞赛,转向 “仿真‑真机闭环迭代” 的系统工程竞赛。CloudRobo‑WM1.2的发布,代表国内出现了一条基于国产算力的原生一体化技术路径,也补齐从模型、仿真平台再到生态开放的完整工具链条。

特别声明:文章版权归原作者所有,文章内容为作者个人观点,不代表大咖秀专栏的立场,转载请联系原作者获取授权。(有任何疑问都请联系wemedia@yesky.com)

×
用户注册

 

登录 忘记密码?
×
用户登录

 

忘记密码?