五杰动力世界模型车在RoboCasa赛事中夺冠,击败GR00T

一家成立仅一年的中国具身人工智能初创公司——无界动力(Wujie Power)——发布了一个名为MWA的潜空间世界模型。该模型以75.2%的平均任务成功率登顶由斯坦福大学支持的RoboCasa GR1 TableTop排行榜,超越了英伟达(NVIDIA)的GR00T-N1.6模型。 这一成果使一种反主流的技术方法——将潜空间世界模型与强化学习相结合——在测试机器人如何应对混乱且不可预测状况的基准测试中名列前茅。

A
4分钟阅读Posted: 2026年6月30日
五杰动力世界模型车在RoboCasa赛事中夺冠,击败GR00T

当一个人拿起一杯水时,大脑会在不到一秒的时间内估算其重量、预测水面会晃动多少,并避开旁边的玻璃杯。 这种物理直觉正是机器人一直难以掌握的,而一家成立仅一年的中国初创公司表示,他们已将这一难题推到了行业主要基准测试的前沿。

该技术

2026年6月29日,五界动力(Wujie Power)发布了一个名为MWA的潜空间世界模型,该模型基于长时效、双向的物理因果链构建。 在由斯坦福大学及其他顶尖机构联合发起的RoboCasa GR1 TableTop排行榜上,该公司的MWA WALA模型以75.2%的平均任务成功率位居榜首,超越了包括NVIDIA GR00T-N1.6在内的主流模型。 该基准测试在设计上要求极高。它涵盖了24项在非标准厨房环境中进行的高难度任务,包括长时效多步骤流程以及受限空间内的物体检索,并加入了随机光照、杂物以及物体规格的变化,以测试模型在不确定条件下的泛化能力。

方法的差异

当今大多数具身人工智能系统都遵循“视觉-语言-动作”路径,这种方法虽能让机器人理解文本指令,但一旦光线变化或物体移动几厘米,系统往往就会失效,因为该模型只是在模仿演示的轨迹,而非理解物理上的因果关系。 吴杰·鲍尔(Wujie Power)则选择了一条较为少见的路径,将潜空间世界模型与强化学习相结合。世界模型构建了机器人对物理规则的理解并预测未来状态,而强化学习则通过高频次的试错与奖励机制,将这种理解转化为精确的动作。该模型还完全在共享的潜空间内运行

它不预测像素,从而避免了对无关背景细节的冗余计算,转而提取该公司所称的“潜在动作”——即物体在受到作用时发生变化的底层表示。由于潜在动作不依赖于人工标注,该模型可以直接利用海量的未标注互联网视频进行训练。

为何重要

其最引人注目的成果不仅在于评分结果,更在于其背后的方法。通过建模长时效因果链而非单步预测,该系统有效缓解了“滚雪球效应”——即早期微小错误会在漫长的任务过程中不断累积,最终导致动作序列崩溃。 吴杰·鲍尔(Wujie Power)还构建了一个名为AnyPhys的负样本数据系统,该系统有针对性地收集了数万个失败、不稳定和险些出错的案例——这类数据往往被整个行业忽视,而更倾向于关注干净的成功案例。 在精准插入测试中,该公司报告称,在噪声数据环境下,任务成功率最高提升了五倍。对于正在评估适用于真实工厂和服务环境中“具身人工智能”的采购方而言,关键指标在于系统在干扰下的鲁棒性——而这正是RoboCasa测试环境旨在衡量的核心指标。

更重要的信号

一条反主流的技术路线刚刚在权威基准测试中取得了领先成绩,这意义重大,因为具身人工智能领域已开始将关注点从演示转向实际应用。该领域面临的更棘手的问题不再是机器人能否在舞台上执行预设任务,而是当环境发生变化时,它能否在无需针对每个新场景进行重新训练的情况下继续工作。 一个真正理解重力、接触和摩擦的模型无需逐一学习每个场景,因为它能够自主进行泛化。这是通往通用具身智能最艰难的道路,也是最根本的道路,正因如此,一个

基于物理因果推理得出的基准测试结果,其意义远不止于单一排行榜上的排名。

免责声明:本文仅供一般信息参考,不构成任何投资、财务或商业建议。基准测试数据和技术声明均源自引用的原始资料及该公司公布的测试结果。

图片来源:为编辑用途生成的示意图,不涉及任何品牌。

来源:

· QbitAI(量子位),《全球首创:隐空间世界模型,打通长时序双向物理因果链》(Wujie Power MWA 隐空间世界模型,RoboCasa 排行榜结果),2026年6月29日。 https://www.qbitai.com/2026/06/439891.html

· 基准测试:RoboCasa GR1 TableTop排行榜(由斯坦福大学及合作机构发起);MWA WALA由中国科学院自动化研究所深度强化学习团队开发。