WAIC 2026世界模型：六家具身智能团队的分歧与共识

引言

世界模型已成为具身智能领域最活跃的研究方向之一，但该领域至今仍缺乏统一的定义。

研究人员对于世界模型应表征什么、对物理建模需精确到何种程度、未来状态应在像素空间还是隐空间生成、机器人在行动前需进行多少预测、哪些数据模态最为关键，甚至如何衡量研究进展等问题上，都存在分歧。

这种共识的缺失在WAIC 2026上表现得尤为明显。

7月19日，一场由六家中国具身智能公司组织的论坛，汇聚了代表不同机器人世界模型技术路线的技术领袖：

• 主持人：海大程，ACE Robotics首席科学家
• 沈学军，蚂蚁集团Roboyant团队首席科学家
• 朱政，GigaAI联合创始人兼首席科学家
• 夏仲普，无界动力联合创始人兼联席CTO
• 任光辉，AgiBot AI算法总监
• 王浩，X Square Robot联合创始人兼CTO

这场讨论的价值恰恰在于，发言者 并未 达成单一的技术解决方案。

有些人希望世界模型能越来越精确地表征几何、运动和力学。另一些人则更关心模型是否能预测出足够的物理结构以选择成功动作。

有些人认为长时域一致性至关重要。另一些人则辩称，当预测消耗过多机器人决策窗口时，反而会适得其反。

有些人预期该领域将围绕某种共享表征达成共识。另一些人则认为混合架构、触觉感知或标准化基准将率先成为共识的起点。

这些分歧背后是一个更为实际的问题：

世界模型需要具备什么能力，才能在演示场景之外发挥实际价值？

三大技术路线

这六家公司并未采用完全相同的架构，但根据模型预测世界的方式，可将圆桌讨论大致归纳为三种技术路线。

路线	代表性方法	核心理念
像素空间生成	GigaAI	直接预测未来视觉状态，或通过生成式视觉表征进行预测
隐空间预测	无界动力的JEPA方向	预测紧凑的内部表征，而非完整像素
混合或统一架构	ACE Robotics、Roboyant、X Square Robot、AgiBot	结合生成、隐空间预测、显式空间推理、VLA控制或仿真导向模型

这种分类虽有参考价值，但不应被视为永久的行业划分标准。

其中几家公司已在融合多种机制。更为重要的分歧在于，各团队认为一个有用的世界模型

模型必须保持。

什么能力最为关键？

首个主要分歧在于世界模型与物理学的关联方式。

观点一：物理状态预测应当精确

夏仲璞认为，评估应包含模型在几何状态、运动轨迹、力学作用及相关物理量预测上的精确性。

该观点将世界模型部分视为物理状态的结构化预测器。

对于需要决定如何推动、抓取、举升、导航或操控物体的机器人而言，相关疑问可能包括：

• 物体会移动至何处？
• 是否会与其他物体碰撞？
• 其朝向将如何变化？
• 需施加多少力？
• 抓取能否保持稳定？
• 动作完成后环境将呈现何种状态？

隐式表征能使显式物理回归更具吸引力——因为模型无需在估算这些量前渲染每个未来像素。

其优势在于精确性与可控性。

难点在于物理世界包含难以直接观测或推断的变量，如摩擦力、隐藏质量分布、柔顺性、接触状态及材料属性。

因此模型可在不成为完整模拟器的情况下具备物理结构化特性。

观点二：物理合理性可能比精确物理更重要

沈宇军提出了不同标准。

机器人未必需要重现物理系统的每个参数，但需理解对即将执行的动作至关重要的差异。

例如，当两种材料被抛落、挤压、拖拽或抓取时，机器人可能需要识别其不同响应，而无需预先估算每个系数。

这更接近动作相关物理理解而非完整物理模拟。

两者区别可概括为：

精确物理模拟：
尽可能准确地预测世界的详细状态。

动作相关物理推理：
预测足够支撑选择安全有效动作的世界状态。

第二个目标计算成本更低，且足以满足许多真实机器人任务需求。

这也与源自视频生成模型的系统设计理念相符——这些模型会自然习得哪些未来视觉呈现具有合理性，即使未明确揭示所有潜在物理变量。

核心问题：何种误差会改变动作？

专家组的意见分歧指向更务实的评估准则：

当预测误差改变机器人决策时，该误差最为关键。

若机器人在无需估算桌面精确摩擦系数的情况下即可成功放置杯子，缺失该数值可能无关紧要。

但若该物理理解的缺失导致杯子滑落，则此误差至关重要。

因此所需物理保真度取决于：

• 具体任务
• 安全裕度
• 机器人本体设计
• 动作时间跨度
• 失败代价
• 推理可用时间

长期一致性还是快速决策？

第二个分歧围绕世界模型应预测多远的未来。

智元机器人：

长程物理一致性至关重要

智元机器人在仿真与基于世界模型的评估方面投入了大量资源。

其公开的 智元数字世界 框架提供了高保真模拟环境、自动生成的专家轨迹以及模型评估工具。

智元机器人随后推出了EVAC世界模型框架与EWMBench，将动作条件生成式仿真的理念进一步拓展。

对于用作模拟器的世界模型而言，长期一致性至关重要。

若出现以下情况，仿真的价值便会大打折扣：

• 物体身份逐渐发生改变
• 几何结构出现漂移
• 机器人遗忘了先前的交互
• 长序列违反物理状态
• 多视角输出结果不一致

基于此，世界模型应在有意义的时域范围内保持连贯的状态。

平方机器人：长程推演可能沦为虚假目标

汪浩对"更长的预测总是更好"这一假设提出了质疑。

平方机器人采用端到端的具身模型路线，将感知、推理、世界建模和动作生成紧密耦合。

其公开资料将WALL系列形容为迈向统一的物理世界模型，而非将世界预测与机器人控制作为孤立系统对待。

在此类系统中，世界模型不仅是模拟器——预测本身就是控制环路的一部分。

因此，更长的推演会产生如下代价：

预测的未来越远
→ 推理量越大
→ 延迟越高
→ 可用于行动的时间越少

如果机器人所处环境的变化速度快于模型完成推理的速度，那么一个完美连贯的长程预测可能在操作层面毫无用处。

对于控制而言，一个在恰当时间抵达的较短预测，其价值可能远超一个姗姗来迟的较长预测。

预测时域应与控制时域相匹配

这表明并不存在唯一最优的预测长度。

仓储模拟器可能需要长序列预测。

执行物体平衡任务的机器人可能需要极其快速的短时预测。

处理多阶段任务的移动机械手可能需要两者兼备：

1. 长期规划
2. 短时域物理预测
3. 快速闭环修正

因此，合理的设计可能涉及多个时域，而非单一的全长世界模型。

现有公开系统已反映出这些差异化重心

论坛上呈现的观点分歧，在各公司的公开技术系统中已有体现。

时代具身智能：理解、预测与行动的统一

在WAIC 2026大会上，时代具身智能发布了 Kairos 3.1，这是一个面向动作的具身世界模型。

公开的发布资料描述了一种混合Transformer架构，旨在连接：

• 理解
• 世界推演
• 动作
• 反思

时代具身智能还报告了其8B参数的Kairos 3.1模型在NVIDIA平台上的推理延迟为125毫秒。

Jetson Thor 采用 BF16 精度。这一规格至关重要，因为该公司明确将该模型定位为面向机器人行为的边缘系统，而非单纯的离线视频生成器。

蚂蚁集团 / Robbyant：从交互式世界模拟到具身原生模型

Robbyant 开源的 LingBot-World 始于生成式视频方向。其官方代码库描述如下：高保真交互环境、长时时间一致性、实时用户控制、亚秒级交互延迟、以及 Fast 版本中 16 FPS 的实时生成能力。蚂蚁集团随后将 LingBot-World-Fast 集成到灵光移动端产品中，使用户能够将单张图像转化为可供探索的生成世界。同时，Robbyant 已拓展至 VLA 与具身模型研究领域，成为不限限于单一世界模型范式团队的典型案例。

GigaAI：像素生成与 GigaWorld 平台

GigaAI 自称是一家构建于三大层级的具身智能与通用机器人公司：GigaWorld（世界模型平台）、GigaBrain（通用具身智能系统）与 Maker（机器人具身载体）。该公司的世界模型工作强调生成式物理环境在加速数据创建、训练与测试中的核心作用。当世界模型作为视觉丰富的模拟器使用时，像素空间生成因此显得尤为重要。

智元机器人：作为生成式模拟的世界模型

智元机器人的公开工作尤其明确地展现了模拟器使用场景。AgiBot Digital World 融合了 3D 资产、物理模拟、专家轨迹生成、域随机化、数据生成与模型评估。其后续的 EVAC 框架可生成基于机器人动作序列的未来视觉状态。在这类应用中，时间一致性以及动作-环境交互的精确复现至关重要。

星动纪元：世界模型与 VLA 的融合

星动纪元官方发展历程显示，其 WALL-A 架构深度融合了 VLA 模型与世界模型。2026 年的 WALL-B 方向进一步迈向该公司所称的世界统一模型架构。其技术目标是避免世界模型独立预测、再由独立策略将预测结果转化为动作的管线流程，而是将预测与控制过程整合为统一的端到端系统。

物界动力：具身原生世界模型与潜在空间预测

物界动力的公开资料显示，该公司正在构建机器人“通用大脑”以及基于世界模型的具身原生多模态基础模型系统。夏中普于 2026 年 3 月加入该公司，此前他在理想汽车主导端到端自动驾驶工作。该公司的研讨方向强调潜在空间预测、物理量以及 JEPA 式思维。由于当前世界模型的详细公开技术文档仍然有限，关于其确切架构的说法应被视为其管理层所描述的技术方向，而非已完整文档化的开放模型。

最可能最先达成共识的是什么？

接下来的问题不是哪种架构最终会胜出。

而是：

该领域的哪个部分会率先达成一致？

答案差异很大。

候选一：统一表征

任广辉和夏仲普都强调了表征的重要性。

大语言模型最终围绕令牌化的序列表示达成了收敛，使得不同任务能与一种架构兼容。

具身智能仍然缺乏同样通用的基础单元。

机器人的工作涉及：

• 图像。
• 视频。
• 语言。
• 关节位置。
• 速度。
• 力。
• 触觉信号。
• 3D几何。
• 动作。
• 奖励。
• 环境状态。

如果这些模态彼此孤立，每个系统都需要在它们之间搭建复杂的桥梁。

统一表征可以让模型在同一个共享空间内进行感知、状态、预测和行动的推理。

挑战在于，物理信号天然不能互换。

一个触觉脉冲、一帧摄像头画面、一个夹爪指令，它们的运行速率不同，携带的信息也各异。

因此，“机器人令牌”可能比文本令牌难定义得多。

候选二：混合架构

王浩的预测是架构融合。

从这个角度看，不同的世界模型方法各自解决了问题的一部分：

• 视频生成擅长视觉未来预测。
• 潜在预测对推理而言效率较高。
• 显式3D模型能提供空间记忆。
• VLA模型将感知与行动连接起来。
• 经典控制能提供确定性的低层稳定性。

最终的架构可能会结合这些机制，而不是只选其一、舍弃其他。

这种模式在AI领域很常见。

最初相互竞争的技术，在优劣势明朗后，往往会成为更大系统的组成部分。

候选三：触觉感知

沈玉军认为，触觉信息可能成为行业最早达成共识的领域之一。

目前大多数大型世界模型主要依靠视觉和语言数据进行训练。

机器人通过接触来操作。

它们需要检测：

• 物体是否在滑动。
• 表面是硬还是软。
• 抓取是否稳固。
• 施加了多少力。
• 可变形物体是否改变了形状。
• 即便视野被遮挡，是否发生了接触。

对于操作任务而言，恰恰在触觉最有用的时刻，视觉可能会产生歧义。

这有力地说明了触觉感知应作为一种原生模态，而非模型训练后添加的可选传感器。

Robbyant的研究方向也体现了从基于数字视频的模型，向围绕具身控制设计的模型的广泛转变。

重要区别在于：

视频模型的目标是生成合理的未来。

具身世界模型的目标是支持成功的行动。

这两个目标有重叠，但并不相同。

候选四：共享基准

陶大程给出了不同的答案：收敛可能首先发生在评估上，而不是架构上。

这有历史先例。

计算机

视觉并未趋同，因为研究者们并未事先就某一种表征达成共识。ImageNet等共享数据集和基准测试为相互竞争的系统提供了共同的衡量目标。一旦所有系统在同一尺度上被评估，薄弱想法消失得更快，而有用想法则能跨越架构边界传播。这正是论坛上推出物理智商背后的逻辑。

物理智商：具身智能的统一标尺

物理智商在2026世界人工智能大会上作为具身物理智能的统一基准测试被引入。公开发布信息显示，该倡议由以下机构共同发起：

• 上海市人工智能协会
• 深圳市循环经济研究院
• 中国信息通信研究院华东分院

超过20所高校和行业组织参与其中。该平台旨在跨以下维度比较不同系统：

• 不同的机器人形态
• 多种真实世界场景
• 不同任务类别
• 统一的评估协议

一个有用的物理智能基准测试不能仅依赖生成的视频是否看起来逼真。它需要提出以下问题：

• 机器人是否完成了任务？
• 动作在物理上是否有效？
• 它是否从意外事件中恢复？
• 需要多少干预？
• 行为是否安全？
• 策略是否迁移到新环境？
• 它在跨物体和形态上的泛化能力如何？
• 每个决策需要多少时间和计算量？

物理智商的具体方法需要持续公开文档化和广泛采用，才能成为真正的行业标准。尽管如此，这一方向解决了实际问题。当前世界模型的各类声明难以比较，因为一家公司可能报告视频质量，另一家报告任务成功率，第三家报告物理状态误差，第四家报告模拟器一致性。没有统一标尺，每个系统都可以在自身优化设计的指标上表现最强。

视觉逼真不等于物理理解

围绕物理智商的讨论也反映了生成式视频领域更广泛的研究问题。谷歌DeepMind研究人员引入了名为物理智商的独立基准测试，用于评估视频模型是否真正理解物理原理。该研究发现视觉逼真度与物理正确性可能脱节。生成的视频可能看起来令人信服，却违反：

• 固体力学
• 流体行为
• 光学
• 热力学
• 磁学

这一区别对机器人世界模型至关重要。只有视觉上可信的未来预测保留了行动所需的属性时才有用。同时，机器人在行动前并不需要解决整本物理教科书。实用标准介于两个极端之间。

不够充分：
看起来逼真，但预测了错误的结果。

可能过度：
即使行动不需要，也计算每一个物理变量。

有用预测能改变机器人决策的物理差异。

这个中间地带正是当前研究分歧所在。

从演示到部署

尽管模型架构存在分歧，但当讨论从模型转向实体机器人时，专家们的观点变得更加一致。

最终标准很简单：

机器人能否在物理世界中可靠地完成任务？

不同的演讲者用不同的语言来描述这一点。

• 夏仲普强调了最终决策的有效性。
• 任光辉关注世界模型对下游策略的提升程度。
• 朱峥则强调在实体机器人上的多任务成功率。

术语不同，但操作性问题是一致的。

世界模型只有能改善机器人的实际行为才有意义。

为什么99%的演示仍可能是糟糕的产品

演示几乎可以无限优化。

团队可以：

• 重置环境。
• 选择有利的物体。
• 预定义路线。
• 重复失败尝试。
• 针对单一场景调整数周。
• 有工程师现场待命。
• 移除罕见的边缘案例。

部署会消除这些保护措施。

超市、酒店、仓库或家庭每天都会发生不可预测的事件。

王浩将成本曲线描述为强非线性。

将系统从：

90% → 99%

所付出的努力不一定等同于：

99% → 99.9%

剩余的失败往往是困难的长尾案例。

1%的失败率在实验室里听起来很小。

如果机器人每天执行10,000次动作，1%就意味着100次失败。

即使达到99.9%的可靠性，当任务量足够大时，仍然会产生频繁的人工干预。

业务影响包括：

• 人工接管。
• 返工。
• 停机。
• 客户投诉。
• 安全风险。
• 维护成本。
• 吞吐量损失。
• 额外监管人员。

这就是为什么部署会改变模型质量的含义。

随机事件在现实世界中是常态

沈宇军举了一个零售业的例子。

机器人可能需要寻找一包蔬菜。

商品通常存放在一个地方，但顾客可能拿起后放在另一个冰箱里。

从精心策划的数据集角度来看，这像是一个异常情况。

但从服务于数千名顾客的机器人角度来看，异常反而成了常态。

因此，世界模型需要处理：

• 物体出现在意外位置。
• 库存缺失。
• 人员阻挡路径。
• 突然的重新布置。
• 局部观测。
• 光照变化。
• 新型物体组合。
• 任务前期产生的错误假设。

这就是泛化能力比重演记忆中的演示更重要的地方。

边缘推理是部署需求

陶大成强调了另一个实际约束：延迟。

许多先进模型运行在云端。

机器人并不总有时间等待云端往返。

决策窗口可能仅有毫秒级别。

几十或几百毫秒。

网络还可能出现：

• 拥堵
• 不可用
• 不可靠
• 成本过高
• 受隐私或安全要求限制

这就是为什么ACE Robotics强调Kairos 3.1的边缘性能。

一个能力稍弱但能在控制时限内响应的模型，可能比一个在行动窗口过后才抵达的更强模型更有用。

对于部署而言，智能必须变得：

• 足够廉价
• 足够快速
• 足够可靠
• 足够本地化
• 足够可预测

这引出了一个有用的区分：

演示展示的是能力的上限，部署揭示的是能力的下限。

两年后看什么才是正确的？

讨论的最后部分邀请发言者想象从2028年回望。

2026年所做的哪些投资将被证明是正确的？

哪些可能会显得误导？

答案再次揭示了每个团队认为什么是持久的。

模型能力与可见模型输出

沈宇军区分了两个概念：

基础能力

示例包括：

• 泛化效率
• 交互性
• 表征质量
• 动作条件化
• 数据效率
• 因果一致性

可见输出

示例包括：

• 视觉上令人印象深刻的生成视频
• 精致的演示
• 单个成功的长期任务
• 高审美质量

一个模型可能在基础能力上有所提升，但并不立即产生最令人印象深刻的演示。

相反，一个系统可以围绕可见输出进行大量优化，而不提升通用物理智能所需的能力。

这是行业需要更好评估的原因之一。

数据基础设施可能仍具价值

沈还认为，在数据管线上投入的工作很可能保持有用。

即使架构发生变化，具身智能仍将需要：

• 真实世界轨迹
• 触觉数据
• 失败案例
• 人工修正
• 机器人动作
• 传感器同步
• 仿真数据
• 质量过滤
• 评估数据集

不确定性不在于数据是否重要。

而在于今天收集的数据是否仍将匹配未来模型中使用的表征和训练方法。

当以下情况发生时，数据集可能变得不那么有用：

• 传感器配置发生变化
• 动作空间改变
• 标签编码了过时的假设
• 数据缺少必要的模态
• 收集策略过于狭窄
• 新模型需要不同的时间分辨率

因此，构建灵活的数据管线可能比优化一个固定的数据集更具持久性。

不要过早干扰基础模型

朱政警告说，行业可能在基础模型本身尚未稳定之前，就探索过多的商业场景。

这是一种熟悉的创业公司困境。

商业部署提供了：

• 收入
• 数据
• 客户反馈
• 真实约束

但它也可能将模型团队拉向：

• 一次性集成
• 定制工作流
• 客户特定规则
• 硬件适配
• 支持与运维

如果底层架构仍在快速变化，过早的

专业化可能会拖慢基础研究的进程。

模型研究与商业部署之间的平衡因公司而异。

没有放之四海而皆准的答案。

具身原生架构或将崛起

任广辉预测，世界模型将日益走向具身原生。

这意味着模型从设计之初就围绕物理交互展开，而非后期从互联网视频或图像生成任务中改造而来。

具身原生训练可能包含：

• 机器人动作。
• 本体感知。
• 力。
• 触觉数据。
• 第一人称视频。
• 多视角观测。
• 三维状态。
• 工具反馈。
• 干预数据。
• 任务成功与失败。

架构本身也可能围绕控制回路进行设计。

关键问题在于模型是否表征了机器人执行动作所需的变量，而非其内部结构是否与媒体生成模型相似。

分歧之处恰是最大机遇

这场讨论并未以众人认同的单一架构收场。

这或许意味着该领域尚处早期，而非陷入僵局。

仍有多个重要领域悬而未决：

问题	不同观点
模型应预测什么？	像素、隐状态、显式几何，或是混合方案
物理精度要求多高？	精确状态估计 vs. 与动作相关的合理性
预测范围应多远？	长周期一致性 vs. 低延迟短周期控制
什么将统一该领域？	表征、架构、触觉数据，还是基准测试
推理应在何处运行？	云端、边缘端，或是混合部署
真正成功指标是什么？	仿真质量、物理预测、策略提升，还是实际任务成功率
什么数据最重要？	视频、机器人轨迹、力、触觉、仿真，还是混合数据

在成熟领域，架构往往趋于相似。

而在新兴领域，分歧恰恰揭示了尚未攻克的最大机遇。

若能证明当前某个争议假设成立，团队就有望在行业达成共识前建立起技术优势。

评估机器人世界模型的实用框架

对于开发者和机器人团队而言，这场讨论可以转化为更具体的评估清单。

1. 预测目标

明确模型预测的内容：

• 像素。
• 隐状态。
• 几何。
• 动作。
• 力。
• 未来观测。
• 上述要素的组合。

输出应与下游控制问题相匹配。

2. 预测范围

衡量以下层面的性能：

• 即时下一步。
• 短周期。
• 数秒级周期。
• 长任务周期。

不要仅针对模型表现最优的预测范围进行评估。

3. 延迟

在目标部署硬件上测量实际推理时间。

未满足控制时限要求的模型，不应因其预测准确性而获得满分。

4. 物理有效性

测试内容包括：

• 碰撞。
• 接触。
• 平衡。
• 形变。
• 对摩擦敏感的动作。
• 物体恒存性。
• 多视角一致性。

5. 策略改进

最实用的问题或许是：

加入世界模型能否提升实际任务成功率？

比较下游策略在有无世界模型时的表现——

包含和不包含世界模型组件的策略。

6. 泛化能力

测试新内容：

• 物体
• 布局
• 机器人本体
• 光照
• 材质
• 人类行为
• 任务组合

7. 恢复能力

测量首次出错后发生的情况。

一个部署系统应能检测故障、更新其状态并尝试另一方案。

8. 边缘与云端行为

同时测试正常和降级的网络状况。

当远程推理不可用时，机器人应能安全失效。

9. 干预率

按以下单位跟踪人工协助：

• 每小时
• 每项任务
• 每100次动作
• 每1000次动作

这通常比单一的成功率更能揭示部署质量。

10. 每项成功任务的成本

包括：

• 模型推理
• 硬件
• 网络
• 人工干预
• 返工
• 维护
• 能耗
• 停机

最佳的世界模型不一定是基准测试分数最高的那个。

而是能让整个机器人系统工作得更好的那个。

常见问题

具身AI中的世界模型是什么？

世界模型是一种能够表示或预测环境如何随时间、机器人动作或其他事件而变化的模型。在机器人学中，它可以支持规划、仿真、动作选择、训练数据生成或策略改进。

WAIC 2026讨论的主要世界模型方法有哪些？

讨论广泛涵盖了像素空间生成、潜在空间预测（如JEPA风格的方法），以及将世界预测与VLA控制、3D推理或其他表示相结合的混合或统一系统。这些类别有所重叠，因为多家公司使用了多种技术。

机器人世界模型需要精确的物理模拟器吗？

不一定。一些研究者主张精确预测几何、运动和力，而另一些研究者则优先考虑足以选择正确动作的物理推理。所需的精度取决于任务和失败的成本。

为什么长时域一致性存在争议？

长序列展开对仿真和长期规划很有用，但会增加推理成本并可能拖慢实时控制。物理机器人可能需要对即时动作进行短时、快速的预测，同时使用另一种机制进行长期规划。

什么是PHYSICAL IQ？

PHYSICAL IQ 是在WAIC 2026期间发起的一项具身物理智能基准测试倡议。它旨在为不同的机器人本体、场景和任务提供一种通用的评估协议。

PHYSICAL IQ 和谷歌DeepMind的Physics-IQ是同一个吗？

不是。它们是不同的项目。PHYSICAL IQ 是在WAIC 2026上推出的具身机器人评估平台，而Physics-IQ 是一个用于测试生成式视频模型是否理解物理原理的研究基准。

为什么触觉传感对世界模型很重要？

视觉无法完全揭示接触力、打滑、压力、柔顺性以及某些材料特性。触觉和力信号为机器人提供了关于物理相互作用的直接信息，并且对于以操作为重点的世界模型可能变得越来越重要。

什么比一次好的机器人演示更重要？

部署

可靠性。团队需要在众多环境中衡量真实的任务成功率、延迟、干预率、从意外事件中的恢复能力、安全性、成本以及性能，而不仅仅是针对选定的演示案例。

相关工具

• Hugging Face上的Kairos 3.1：ACE Robotics面向其行动导向具身世界模型工作的公开集合。
• LingBot-World：Robbyant的开源交互式世界模拟器，包含代码、模型和技术文档。
• AgiBot数字世界：AgiBot用于数据生成、训练和具身模型评估的官方模拟框架。
• GigaAI：GigaWorld、GigaBrain及该公司具身AI平台的官方网站。
• X平方机器人：描述WALL具身基础模型家族及世界模型/VLA集成的官方网站。
• Physics-IQ：一个独立的用于评估生成视频模型中物理理解能力的研究基准。
• NVIDIA Isaac Sim：用于生成合成数据和测试机器人系统的机器人模拟平台。

相关链接

• ACE Robotics Kairos 3.1集合：Kairos 3.1及相关具身系统的公共模型资源。
• ACE Robotics WAIC 2026公告：公司发布的新闻稿，涵盖Kairos 3.1和PHYSICAL IQ计划。
• 蚂蚁集团灵光世界模型公告：蚂蚁集团官方公告，描述将LingBot-World-Fast集成至灵光。
• LingBot-World GitHub仓库：来自Robbyant的开源代码、安装说明、权重和论文链接。
• AgiBot数字世界：AgiBot模拟与具身数据框架的官方介绍。
• AgiBot EVAC和EWMBench：AgiBot官方针对行动条件化世界模型及评估的工作。
• X平方机器人：关于WALL模型家族和端到端具身智能的官方信息。

总结

WAIC 2026世界模型圆桌会议表明，具身智能领域尚未就世界模型的定义、表征或架构达成共识。主要分歧涉及物理精度、预测范围、表征方式、触觉感知，以及世界建模与行动之间的关系。

最强烈的共识出现在技术栈的较后环节。世界模型最终必须让实体机器人更可靠：更优的任务成功率、更少的干预、更快的决策、更安全的恢复以及更低的部署成本。

PHYSICAL IQ旨在创建一个共同的评估层，在此之前

架构本身趋于融合。这一基准是否能被广泛采纳仍有待观察，但对可比较的物理智能测量方法的需求是明确的。

该领域当前的争议并非弱点，而是一幅尚未解决的问题图谱，这些问题或将定义下一代具身人工智能的发展方向。