【科技资讯】这个世界模型训练完就“退场”，机器人反而更能干了

📝 核心摘要

光象科技联合清华大学李升波教授课题组于2026年9月发布第一代物理原生世界模型Phi-WM 1.0 ActEffect，核心创新在于将世界模型的作用限定在训练阶段，机器人部署时便从链路中退出，解决了具身智能领域长期存在的“机器人能否利用动作后果优化策略”的问题，同时规避了传统世界模型部署时带来的时延、算力与成本压力。该技术基于模仿学习框架，让策略生成三版完整动作提案：前馈分支的“第一反应”、MIP动作头的粗提案、精修后的最终执行动作，确保各提案具备可比性。受控世界模型仅接收当前视觉状态与动作提案，通过冻结的DINOv3视觉特征空间学习动作带来的物理状态变化，而非生成逼真画面，同时仅处理视觉与动作信息，不涉及任务语义，避免冗余计算。训练中，受控世界模型将三版动作的预测结果与真实观测对比，要求精提案优于粗提案、粗提案优于前馈提案，并通过带梯度截断的排序损失防止模型过拟合，将“后果判断”写入策略权重。测试显示，ActEffect在LIBERO基准上取得98.8%的平均成功率，在加入七类分布偏移的LIBERO-PLUS上达80.3%，在29维动作空间的RoboCasa-GR1上达67.5%；消融实验表明，去掉后果反馈后LIBERO成功率降至97.0%，验证了技术有效性。产业层面，该技术将世界模型从部署链路移除，大幅降低工业场景的在线开销，适配汽车制造等对稳定性、成本要求高的场景。光象科技2025年4月由清华车辆与运载学院、人工智能学院联合孵化，已围绕焊接上下料、移动质检等工位完成真实场景验证，与多家头部车企达成合作，2026ATC展会上其Phi-Bot X1在蔚来汽车焊接上下料场景连续运行21.5小时零失误。具身智能商业化的核心在于稳定性与可复制性，ActEffect的路线为工业部署提供了新方向，未来需在产线连续运行中接受考验。

🔗 阅读原文

👉 这个世界模型训练完就“退场”，机器人反而更能干了

🏷️ 标签：具身智能, 世界模型, 工业机器人, 光象科技, Phi-WM 1.0 ActEffect