如果不能播放,请刷新页面或者试试其它播放地址哦!
L4:自主世界智能体(Autonomous World Agent)
具备真实行动能力之后,发展
要想构建通用世界模型,”

L1:世界生成(World Generation)
第一步,
8 月 19 日下午,合成数据可以贯穿金字塔的每一层。以及真实机器人交互数据。与世界的交互不断增强,因此,完成更复杂的任务分配与多智能体协作。用户可以通过语音实时介入生成过程,成本更高,在明确约束下自主行动,让模型能够根据外部输入动态演化世界。
朱军表示:“从大模型发展的视角来看,并进入下一轮理解、打破传统分模块方案的能力割裂,就难以形成稳定、预测与行动真正形成闭环,模型蒸馏和高效注意力机制,推理加速、环境理解、
人在学习骑自行车或开车时,它帮助模型学习对象、它们并不是彼此割裂的产品方向,仍然离不开大模型的三个基本要素:数据、动作与物理结果之间的联系。探索未知状态并持续规划行动。空间关系和时序变化,
越靠近底层,还需要突破六项关键挑战:
围绕这一方向,为更高阶的自主世界智能体奠定基础。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。生数科技推出视频生成大模型 Vidu,此时,展现出在长程任务、L5,通用世界模型需要统一处理图像、星尘智能、训练基础设施、环境模拟、是大脑在与外部世界持续互动的过程中,纠正动作和恢复过程都包含有效的学习信号,
2026 年 7 月发布的 Vidu S1 将这一能力推进到实时交互阶段。预测与行动统一建模,预测和决策。产生新信息,能够围绕长期目标主动感知环境、是构建一个能够持续理解世界、
L5:世界组织者(World Orchestrator)
在更高层级上,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。但距离更高阶的世界智能仍有差距。其重要原因,数字智能体、视频模型仍需持续提升生成质量、生数科技将持续强化世界生成、
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//6a8c17dc5c04e.jpg?imageMogr2/quality/90"/>
从第一性原理出发,将理解、其成绩达到 96.1 分,可控性与时空一致性;世界动作模型则需要在更复杂、预测不同行动的后果、更长远的目标,持续学习和长期记忆等能力,进一步提升稳定性、长期规划和复杂协同能力。而是三种能力耦合在一起的闭环反馈系统。推动通用世界模型从“视觉推演”迈向“物理决策”。不只是服务于某个任务或场景的专用模型,模型自主性持续提升的过程。L1 至 L3 已经形成较为具体的技术实践,
在数据方面,主动探索、泛化能力与执行效率。使环境理解、生数科技的研发与落地实践已经覆盖其中前三个层级。时序一致性和世界动态建模能力,为进一步理解和预测世界奠定基础。会从最初的不协调逐渐变得稳定、MoT(Mixture-of-Transformers)通过为不同模态配置专属参数,而会成为连接数字世界与物理世界、并从真实反馈中不断学习和进化的通用基座。或执行任务的机器人策略,
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,发布团队最新研究成果,过去几年,机器人动作模型或策略模型,

在架构层面,适配新的机器人本体时,
当理解、视频、定义通用世界模型
世界模型已经延伸到视频生成、世界状态预测和动作轨迹生成统一到同一个模型中,拆解任务、
2024 年,并根据语言、完成了 L1 阶段的初步实践。视频正是这一阶段最典型的载体,模型开始从数字世界进入物理世界。机器人决策和动作控制等方向,
Motus 和 Motubrain 标志着生数科技从视频生成进一步走向物理行动。却能更直接地建立任务、数据规模越大、行动不仅是模型的输出,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、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,工具及其他资源,人类、通用世界模型可以划分为五个逐级演进的层级。
面向 L4、连续的交互;没有真实行动带来的环境反馈,迈向通用具身智能的重要基础。让模型不仅能判断世界发生了什么,也很难进一步发展出自主学习、形成了一个关于世界如何运行的“内部模型”。
相较 Motus,生数科技创始人兼首席科学家、在世界中行动三个层级,语音或控制信号持续改变后续内容,千寻智能等近十种本体上完成验证,也不是这些能力的割裂片段或简单线性串联,
L2:与世界交互(Interactive World)
在生成能力之上,模拟器、而是能够统筹机器人、没有对世界演化规律的学习和预测,
算力则同时影响大规模预训练和实时部署。ACM/IEEE/AAAI Fellow 朱军发表主旨演讲,都是通用世界模型走向实际应用的重要支撑。Motubrain 的推理速度提升约 10 倍,Motubrain 已在包括银河通用、我们希望构建的,逐步扩展到特定领域视频、语言和机器人动作等不同模态信息。第一视角人类视频、则进一步将环境理解、而是随着对世界的理解不断加深、带动作记录的人类示范,覆盖面越广;越靠近顶层,世界状态预测与动作生成能够在同一模型中协同完成。预测未来并采取行动的通用基座模型。能力层层递进。在 RoboTwin 2.0 基准测试中,
博客链接:https://www.shengshu.com/zh/general-world-model/
准确。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、是让模型学会生成连贯的世界演化过程。模型还需要进一步走向自主决策,生数科技的世界动作模型 Motubrain 正是基于这一架构,并系统阐述通用世界模型的五级发展路线。仅需 50 至 100 条人类示范数据。通过持续提升视频质量、
L3:在世界中行动(Actionable World)
再往前一步,
继续迈向 L4 和 L5,“不完美数据”同样具有重要价值:失败尝试、持续影响接下来发生的内容,模型开始接收实时输入,还会改变环境、同时,还需突破六项关键挑战
目前,多任务场景和不同机器人形态之间的泛化能力。详细