光象科技与清华发布物理原生世界模型ActEffect

AI 摘要

光象科技联合清华大学李升波教授课题组发布了第一代物理原生世界模型Phi-WM 1.0 ActEffect，该模型在训练阶段通过受控世界模型预测动作后果并优化策略，训练完成后即从部署链路中退出，以降低推理时延和算力成本。在LIBERO、LIBERO-PLUS和RoboCasa-GR1基准上分别取得98.8%、80.3%和67.5%的平均成功率，并在真实工业场景中与蔚来等车企合作验证。

正文节选

这个世界模型训练完就“退场”，机器人反而更能干了 如此“反骨”的方法，具体又是怎么实现的？ 金磊 发自 凹非寺 量子位 | 公众号 QbitAI 这个世界模型，着实是有点“反骨”在身上—— 上岗前花了大把时间陪机器人训练，等机器人真要开始干活了，它却先从部署链路里退了出去。 要知道，以前的世界模型对机器人来说，就像是一个随身携带的“脑内沙盘”，机器人先借助它预测未来会发生什么，再据此决定下一步怎么动。模型想得越多，推理链路往往也越长。 但这个“反骨”世界模型，却把思路给换了一下。 它只停留在训练场里，专门检查机器人自己提出的动作会造成什么后果，再把这种检查变成策略优化的反馈。等训练完成，受控世界模型便退出部署链路，机器人执行任务时无需继续展开未来、搜索候选动作。 结果呢？ 机器人反倒是更能干活了！ 这便是由光象科技联合清华大学李升波教授课题组发布的第一代物理原生世界模型Phi-WM 1.0 ActEffect（下文简称ActEffect），整体来看，这项技术试图回答的是具身智能里一个长期存在的问题： 机器人从演示数据里学会了动作长什么样，能否进一步利用动作可能造成的后果，反过来改善自己

发布时间：2026-09-05 12:18

抓取时间：2026-09-05 12:52

来源机构：量子位