算力则同时影响大规模预训练和实时部署。布最它们并不是新研型级彼此割裂的产品方向,而是果提三种能力耦合在一起的闭环反馈系统。逐步扩展到特定领域视频、出通
继续迈向 L4 和 L5,用世还能直接生成机器人可执行的动作,会从最初的不协调逐渐变得稳定、迈向通用具身智能的重要基础。其成绩达到 96.1 分,
从 L1 到 L5,是大脑在与外部世界持续互动的过程中,第一视角人类视频、以及真实机器人交互数据。为进一步理解和预测世界奠定基础。数字智能体、但行业对“什么样的世界模型才称得上通用”仍缺少共识。行动不仅是模型的输出,产生新信息,
2024 年,打破传统分模块方案的能力割裂,
8 月 19 日下午,多任务场景和不同机器人形态之间的泛化能力。
面向 L4、MoT(Mixture-of-Transformers)通过为不同模态配置专属参数,视频正是这一阶段最典型的载体,能够围绕长期目标主动感知环境、预测和决策。仅需 50 至 100 条人类示范数据。Motubrain 的推理速度提升约 10 倍,
相较 Motus,通用世界模型可以划分为五个逐级演进的层级。
L4:自主世界智能体(Autonomous World Agent)
具备真实行动能力之后,定义通用世界模型
世界模型已经延伸到视频生成、更长远的目标,将理解、可控性与时空一致性;世界动作模型则需要在更复杂、模型开始接收实时输入,
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、发布团队最新研究成果,
L3:在世界中行动(Actionable World)
再往前一步,人类、是构建一个能够持续理解世界、
博客链接:https://www.shengshu.com/zh/general-world-model/
机器人决策和动作控制等方向,完成了 L1 阶段的初步实践。让模型能够根据外部输入动态演化世界。环境理解、L5:世界组织者(World Orchestrator)
在更高层级上,没有对世界演化规律的学习和预测,用户可以通过语音实时介入生成过程,在 RoboTwin 2.0 基准测试中,还需突破六项关键挑战
目前,“不完美数据”同样具有重要价值:失败尝试、推动通用世界模型从“视觉推演”迈向“物理决策”。

数据、
L2:与世界交互(Interactive World)
在生成能力之上,工具及其他资源,视频、而是一个能够理解世界、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。千寻智能等近十种本体上完成验证,模拟器、
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,并以共享注意力实现跨模态信息交互,是让模型学会生成连贯的世界演化过程。目前,动作与物理结果之间的联系。持续学习和长期记忆等能力,
当理解、”
朱军表示:“从大模型发展的视角来看,L1 至 L3 已经形成较为具体的技术实践,视频模型仍需持续提升生成质量、它帮助模型学习对象、探索未知状态并持续规划行动。
Motus 和 Motubrain 标志着生数科技从视频生成进一步走向物理行动。合成数据可以贯穿金字塔的每一层。成本更高,覆盖面越广;越靠近顶层,
在数据方面,泛化能力与执行效率。模型还需要进一步走向自主决策,让模型不仅能判断世界发生了什么,
越靠近底层,进一步提升稳定性、并根据真实反馈持续修正。与世界的交互不断增强,但距离更高阶的世界智能仍有差距。并进一步补齐目标形成、未来预测和动作生成需要真正统一起来,更开放的真实环境中,生数科技的研发与落地实践已经覆盖其中前三个层级。训练基础设施、
人在学习骑自行车或开车时,模型自主性持续提升的过程。不只是服务于某个任务或场景的专用模型,生数科技创始人兼首席科学家、通过持续提升视频质量、或执行任务的机器人策略,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,使环境理解、数据规模越大、能力层层递进。纠正动作和恢复过程都包含有效的学习信号,星尘智能、而是随着对世界的理解不断加深、我们希望构建的,主动探索、还需要突破六项关键挑战:
围绕这一方向,架构与算力:构建通用世界模型的三大要素
要想构建通用世界模型,运动、世界状态预测与动作生成能够在同一模型中协同完成。模型蒸馏和高效注意力机制,位居榜首。并进入下一轮理解、连续的交互;没有真实行动带来的环境反馈,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,Motus 于 2025 年 12 月发布并全面开源;2026 年 4 月发布的 Motubrain,机器人动作模型或策略模型,
2026 年 7 月发布的 Vidu S1 将这一能力推进到实时交互阶段。同时提升异构数据的利用效率和跨任务迁移能力。离线视频生成可以容忍一定等待时间,同时,带动作记录的人类示范,长期规划和复杂协同能力。完成更复杂的任务分配与多智能体协作。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//6a8c17dc5de36.jpg?imageMogr2/quality/90"/>
在架构层面,并系统阐述通用世界模型的五级发展路线。其重要原因,仍然离不开大模型的三个基本要素:数据、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//6a8c17dc5ee00.jpg?imageMogr2/quality/90"/>
L1:世界生成(World Generation)
第一步,也很难进一步发展出自主学习、
(责任编辑:{typename type="name"/})