世界模型WoW發(fā)布，200萬次真實交互讓AI真正懂物理

始智AI wisemodel.cn社區(qū)是源自中國的中立開放的AI開源社區(qū)。正在，歡迎加入共同成長。

人類對世界的認(rèn)知，源于親手觸摸、嘗試與探索，而非被動觀察。但當(dāng)前主流視頻生成模型如 Sora，僅靠海量視頻數(shù)據(jù)學(xué)習(xí)，缺乏真實世界交互體驗，常常出現(xiàn)違背物理常識的 “幻覺”。近日，由北京人形機(jī)器人創(chuàng)新中心與香港科技大學(xué)等機(jī)構(gòu)聯(lián)合推出的 WoW 世界模型，憑借 200 萬條真實機(jī)器人交互數(shù)據(jù)，打通 “感知 - 想象 - 反思 - 行動” 閉環(huán)，讓 AI 真正具備物理直覺，為 embodied intelligence 發(fā)展奠定關(guān)鍵基礎(chǔ)！已上線始智AI-wisemodel開源社區(qū)，歡迎體驗。

模型地址

https://wisemodel.cn/models/WoWworldmodel/WoW-1-Wan-14B-2M/intro

https://wisemodel.cn/models/WoWworldmodel/WoW-1-Wan-1.3B-2M

01.

行業(yè)痛點：

傳統(tǒng)世界模型的三大致命缺陷

現(xiàn)有世界模型雖能生成逼真視頻，卻難以適配真實世界交互需求：

1. 物理認(rèn)知薄弱：僅通過被動觀察學(xué)習(xí)，缺乏因果關(guān)聯(lián)理解，生成內(nèi)容常出現(xiàn)物體穿透、重力異常等物理謬誤；
2. 想象與行動脫節(jié)：能 “想象” 未來場景，卻無法將其轉(zhuǎn)化為可執(zhí)行的機(jī)器人動作，難以落地應(yīng)用；
3. 泛化能力不足：在未見過的場景、機(jī)器人形態(tài)或任務(wù)中表現(xiàn)糟糕，難以適應(yīng)真實世界的多樣性。

這些問題導(dǎo)致 AI 始終無法真正 “理解” 世界，只能做表面的模式復(fù)刻。

02.

技術(shù)革新：

WoW的四大核心突破

WoW以 “真實交互數(shù)據(jù) + 閉環(huán)優(yōu)化框架” 為核心，實現(xiàn)四大關(guān)鍵創(chuàng)新，讓 AI 從 “看世界” 升級為 “懂世界、控世界”：

1. 200 萬次真實交互：筑牢物理直覺根基

摒棄互聯(lián)網(wǎng)視頻數(shù)據(jù)，WoW 采用 203 萬條真實機(jī)器人交互軌跡訓(xùn)練，涵蓋 5275 個任務(wù)、12 種不同機(jī)器人形態(tài)，累計時長超 7300 小時。數(shù)據(jù)經(jīng)過嚴(yán)格篩選，剔除無效交互，保留高質(zhì)量、因果關(guān)系明確的操作記錄，包括單臂 / 雙臂 manipulation、剛性 / 柔性物體交互等場景，讓模型在真實物理反饋中學(xué)習(xí)規(guī)律，而非死記硬背視頻模式。

2. SOPHIA 閉環(huán)框架：讓 AI 學(xué)會 “反思優(yōu)化”

創(chuàng)新提出 SOPHIA 自優(yōu)化框架，模擬人類 “嘗試 - 反饋 - 修正” 的認(rèn)知過程：

• 生成器（Solver）：基于擴(kuò)散 Transformer（DiT）生成符合物理規(guī)律的未來視頻，融合 3D 小波變換與 RoPE 位置編碼，保證時空一致性；
• 評論家（Critic）：由視覺語言模型（VLM）組成動態(tài)評估團(tuán)隊，從任務(wù)完成度、物理合理性、運(yùn)動流暢度等維度打分；
• 優(yōu)化器（Refiner）：根據(jù)評估反饋迭代優(yōu)化文本指令，引導(dǎo)生成器修正錯誤，逐步提升物理一致性。

這種 “生成 - 評估 - 優(yōu)化” 的閉環(huán)，讓模型不斷反思改進(jìn)，避免單一生成的局限性。

3. Flow-Mask 逆動力學(xué)模型：打通 “想象到行動” 最后一公里

設(shè)計 FM-IDM 模塊，能將生成的視頻軌跡轉(zhuǎn)化為 7 自由度機(jī)械臂可執(zhí)行的動作指令。通過分析相鄰幀的光流變化與場景掩碼，精準(zhǔn)推斷機(jī)器人末端執(zhí)行器的平移、旋轉(zhuǎn)及夾爪控制信號，實現(xiàn) “想象場景→動作落地” 的完整閉環(huán)。在真實機(jī)器人測試中，該模塊在簡單任務(wù)上成功率達(dá) 94.5%，中等難度任務(wù)達(dá) 75.2%，大幅超越傳統(tǒng)方法。

4. WoWBench 基準(zhǔn)：量化物理與因果推理能力

構(gòu)建首個聚焦物理一致性的評估基準(zhǔn) WoWBench，包含 606 個樣本、20 個子任務(wù)，從四大維度全面測試模型：

• 感知理解（物體識別、空間關(guān)系等）

• 預(yù)測推理（碰撞動力學(xué)、物體恒存性等）

• 決策規(guī)劃（長時任務(wù)分解、因果依賴等）

• 泛化執(zhí)行（未見場景、機(jī)器人形態(tài)等）

采用多維度評估指標(biāo)，既包括視頻質(zhì)量、軌跡一致性等量化指標(biāo)，也涵蓋人類主觀評分，全面衡量模型的真實世界適配能力。

03.

性能驗證：

多項指標(biāo)刷新紀(jì)錄，真實場景表現(xiàn)亮眼

WoW 在實驗中展現(xiàn)出遠(yuǎn)超傳統(tǒng)模型的綜合能力：

• 基準(zhǔn)測試霸榜：在 WoWBench 上實現(xiàn) 96.53% 的指令理解準(zhǔn)確率和 80.16% 的物理規(guī)律符合率，人類評估與自動評估均排名第一；
• 物理一致性卓越：能準(zhǔn)確模擬碰撞、形變、流體等復(fù)雜物理現(xiàn)象，在剛性物體交互、柔性材料操作等場景中無明顯物理謬誤；
• 泛化能力突出：無需微調(diào)即可適配 12 種不同機(jī)器人形態(tài)，在素描、油畫等風(fēng)格化場景，以及 “物體超重”“重力偏移” 等反事實場景中，仍能生成合理結(jié)果；
• 真實落地可行：成功控制物理機(jī)器人完成取放面包、關(guān)閉抽屜、按鈕按壓等任務(wù)，動作流暢且精準(zhǔn)。

04.

適用場景：

賦能多領(lǐng)域智能升級

WoW 的技術(shù)特性使其在多個場景具備極高應(yīng)用價值：

• 機(jī)器人操控：為工業(yè)機(jī)械臂、服務(wù)機(jī)器人提供高精度動作規(guī)劃，適配多樣化任務(wù)與環(huán)境；
• 物理模擬：替代傳統(tǒng)物理引擎，高效生成復(fù)雜場景模擬視頻，助力游戲開發(fā)、仿真測試；
• 多視圖生成：支持從有限視角重建完整 3D 場景，生成幾何一致的新穎視圖；
• VLM 能力增強(qiáng)：作為認(rèn)知沙盒，幫助視覺語言模型調(diào)試規(guī)劃邏輯，將復(fù)雜任務(wù)成功率從 30% 提升至 89%。
  

無論是工業(yè)自動化、智能家居，還是虛擬仿真、AI 助手升級，WoW 都能憑借其強(qiáng)大的物理理解與行動能力提供核心支撐。

WoW 的推出，打破了傳統(tǒng)世界模型 “只懂想象、不會行動” 的局限，證明了 “真實交互是 AI 習(xí)得物理直覺的關(guān)鍵”。其 200 萬條真實交互數(shù)據(jù)、SOPHIA 閉環(huán)優(yōu)化框架與 FM-IDM 動作轉(zhuǎn)化模塊的有機(jī)結(jié)合，讓 AI 首次實現(xiàn) “感知世界 - 想象未來 - 反思優(yōu)化 - 操控物理” 的完整閉環(huán)。

隨著技術(shù)的進(jìn)一步迭代，未來的 AI 將具備更強(qiáng)的環(huán)境適應(yīng)能力與自主決策能力，在工業(yè)生產(chǎn)、家庭服務(wù)、科研探索等領(lǐng)域發(fā)揮更大價值。

----- END -----

wisemodel相關(guān)：

系列模型：

關(guān)于wisemodel更多

1

歡迎持續(xù)關(guān)注和支持

開源社區(qū)建設(shè)需要長期堅持和投入，更需要廣大用戶的積極參與、貢獻(xiàn)和維護(hù)，歡迎大家加入wisemodel開源社區(qū)的志愿者計劃和開源共創(chuàng)計劃。期待更多開發(fā)者將開源成果，包括模型、數(shù)據(jù)集和代碼等發(fā)布到 wisemodel.cn 社區(qū)，共建中立、開放的AI開源社區(qū)生態(tài)。歡迎掃碼添加wisemodel微信，申請加入wisemodel社群，持續(xù)關(guān)注wisemodel.cn開源社區(qū)動態(tài)。

2

歡迎加盟wisemodel開源社區(qū)

始智AI wisemodel社區(qū)自2023年9月上線以來，逐漸成為影響力日益擴(kuò)大的中立開放的AI開源社區(qū)，為了加快公司發(fā)展，我們長期需要技術(shù)、運(yùn)營等人才加盟，技術(shù)側(cè)重在AI infra、后端開發(fā)，熟悉K8S、模型訓(xùn)練和推理等技術(shù)， 以及熟悉開發(fā)者生態(tài)運(yùn)營的成員，歡迎感興趣的朋友加盟，可以通過添加wisemodel微信，或者將簡歷投遞到郵箱：liudaoquan@wisemodel.cn

3

歡迎投稿優(yōu)質(zhì)內(nèi)容

歡迎投稿分享人工智能領(lǐng)域相關(guān)的優(yōu)秀研究成果，鼓勵高校實驗室、大企業(yè)研究團(tuán)隊、個人等，在wisemodel平臺上分享各類優(yōu)質(zhì)內(nèi)容，可以是AI領(lǐng)域最新論文解讀、最新開源成果介紹，也可以是關(guān)于AI技術(shù)實踐、應(yīng)用和總結(jié)等。投稿可以發(fā)郵件到liudaoquan@wisemodel.cn，也可以掃碼添加wisemodel微信。

4

關(guān)于wisemodel開源社區(qū)

始智AI wisemodel.cn開源社區(qū)由清華校友總會AI大數(shù)據(jù)專委會副秘書長劉道全創(chuàng)立，旨在打造和建設(shè)中立開放的AI開源創(chuàng)新社區(qū)，將打造成“HuggingFace”之外最活躍的AI開源社區(qū)，匯聚主要AI開源模型、數(shù)據(jù)集和代碼等，歡迎高校科研院所、大型互聯(lián)網(wǎng)公司、創(chuàng)新創(chuàng)業(yè)企業(yè)、廣大個人開發(fā)者，以及政府部門、學(xué)會協(xié)會、聯(lián)盟、基金會等，還有投資機(jī)構(gòu)、科技媒體等，共同參與建設(shè)AI開源創(chuàng)新生態(tài)。

向上滑動查看