摘要

一句话结论:世界模型的评测对象不是画面,是状态转移函数;画面好看与干预后按物理规律变化是两件独立的事。

今日 14:00 华为云 CloudRobo-WM1.2 发布会(预告,不预写规格);同期 Praxis-1 以 Apache 2.0 开源、WorldFoundry 收编 270 模型 74 基准 62 指标。而 44 场景研究里,LLM 写的形式化 134/135 能跑、仅 28 个与参考一致。本文给出反事实证据包与三态门禁。


1. 一个还没开的发布会,和三条已经落地的技术线

先把口径摆正:本文写作于 2026-11-16 凌晨,华为云 CloudRobo-WM1.2 线上发布会定在当日 14:00–15:30,尚未召开。 已公开的信息只有议程与定位,所以本文不写它的参数、基准分数与价格——那要等官方发布稿。

已披露的公开信息(华为云公众号、南方财经网、财联社、腾讯新闻,11-12~15):

项已公开内容
名称CloudRobo-WM1.2,「行业 AI 梦工厂」首款昇腾原生具身世界模型
时间2026-11-16 14:00–15:30 线上直播
议程吴小东发布模型;刘流解读架构与能力;丁志彬讲生态共建;末段合作签约
脉络2025-06 发布 CloudRobo 具身智能平台 → 2026-06-05「行业 AI 梦工厂」四专区上线 → 本次首款原生世界模型
边界反复强调不做机器人本体,把本体交给伙伴,只做云端大脑与算法底座
官方列出的挑战多模态物理理解、世界认知与动作生成耦合、异构数据规模化利用、跨机器人本体泛化、实时推理算力成本
生态亿嘉和(配网带电作业机器人 Z200Pro)、拓斯达(工厂搬运全流程)、软通动力、凌云光、星海图、优艾智合、斯坦德、帕西尼等

部分媒体标题提到「仿真成功率冲上 98.35%」,但在官方发布稿与技术报告出现前,这属于媒体口径,不能当规格、不能进选型、不能进预算模型——这正是 11-15/03 那套「声明 / 可验」分离要用得最狠的地方。发布会是预告,不是结果。

与此同时,另外三条线在 11 月上旬已经落地:开源权重(Praxis-1)、评测基础设施(WorldFoundry)、以及一批把「验证」做进架构里的研究(WorldMind、GTAGym、博弈论形式化)。三条线合起来,正在把世界模型从「生成一段像样的视频」推向「可被第三方重算的状态转移」——这才是今天的技术主线。


2. 开源权重线:Praxis-1 与两个没对齐的排名

2.1 交付了什么

Runway 于 11-11(部分报道写 11-12)开源 Praxis-1:

维度内容
架构27B 参数的 MoE 扩散 Transformer,同时预测视频与约 1.6 秒的动作块
许可Apache 2.0,权重 + 推理代码 + 全量微调代码 + LoRA,允许商用
工具链Hugging Face / GitHub、原生 LeRobot 集成、vLLM-Omni 路径
硬件H100 / B200 数据中心卡、RTX 5090 工作站、Jetson Thor 机器人端;约 54.4GB BF16 权重、单张 80GB GPU 可部署
基础复用 Runway 通用世界模型的视频预训练,主张用网络视频减少遥操作示范数据需求

(来源:Runway 发布材料;ChipDispatch、AI Native Engineering、The Latent Daily、AI 导航 / 晨启 Tech,11-11~14。)

关键不是「27B 开源」,而是它把机器人策略从一段 Demo 变成了一个可编辑的工程制品:权重可下载、微调代码可跑、LoRA 可换摄像头与本体、许可证允许商用。按 11-13/02 的框架,这是「开放权重主权」从语言模型向物理模型的延伸。

2.2 数字与口径冲突

基准结果对照
NVIDIA RoboLab-120(1200 episodes)46.2%FLUX 3 Action 42.9%、Cosmos3 Nano 36.8%、π0.5 28.0%
SimplerEnv(在未见过的 Google RT-1 上轻量微调)80.0%原 RT-1 策略 52.4%(+27.6pt)
Noble Machines 木板入箱任务半小时示范后 15/15陌生混合堆 6/10
榜单表述Runway 称「世界动作模型第一 / 超过所有开放权重 VLA」The Robot Report / The Decoder 指出总榜第五,前面有两个 Agent 系统与两种其它架构的机器人模型

两个排名并不矛盾,但回答的是不同问题:一个是「世界动作模型」这一子类的排序,一个是含其它架构的总表。发布材料没有对齐二者,读者却极易把「第一」读成「全场第一」。这与 11-15/02「同一周五份榜单五个第一」是同一种病——名次必须连同作用域一起读。

更要紧的边界:以上全部为 Runway 自测,第三方独立复现尚未出现;15/15 与 6/10 是特定任务上的结果,不是仓库可靠性的广谱度量;而「用网络视频预训练能省多少机器人数据」目前未被证明。The Latent Daily 列出的观察项很到位:外部团队的 RoboLab-120 复现、低成本机械臂上的微调变体、以及三家伙伴之外的真实部署。

2.3 同一赛道的其它动作

  • NVIDIA 已开放四款 Cosmos 3 模型用于机器人仿真,并与 Unity 支持 Emulate 的 7 亿美元世界模型轮次;11-13 有报道提到 BirdDreams 驾驶世界模型是 WorldFoundry 的候选集成对象,但权重尚未发布。
  • Google DeepMind Gemini Robotics 2.5 与 Mercedes-Benz 的装箱任务报告 96% 成功率(厂商口径,见 aibriefing.dev 11-15)。
  • 路透社 11-15 转述宇树王兴兴判断:头部具身模型接近「陌生环境一句指令完成约 80% 任务」的 GPT 时刻,快则 2–3 年;同时坦承日常场景应用仍落后。国内媒体同日转述「2026 上半年中国人形机器人出货超 4 万台、占全球 97%」——二手转述,未见原始统计口径,本文不作为结论引用。

把这些数字排在一起不是为了凑热闹,而是为了说明一件事:这一层的数字几乎全是厂商自报,且量纲互不相同(episode 成功率 / 任务成功率 / 仿真成功率 / 主观「接近 GPT 时刻」)。没有统一的评测对象定义,排名就没有意义。这正是下一节要解决的问题。


3. 基础设施线:WorldFoundry 把「什么才算世界模型」写成清单

3.1 定义比目录更重要

WorldFoundry(OpenEnvision,arXiv:2611.10771;论文公开日期在 11-07 与 11-10 两种口径间有出入,需以 arXiv 版本记录为准;代码 Apache 2.0)给出的定义值得整段引用式复述:一个生成式世界模型必须是带持久状态的预测动力系统,满足三件事——

  1. 维护历史条件化(history-conditioned)的环境表示;
  2. 当 Agent 或用户干预时更新状态;
  3. 输出尊重反事实动作的时序一致未来。

论文明确说:视觉上 plausibility 不够。只有好看的视频,缺少持久状态、物理动力学与对干预的因果一致性,就不算世界模型。它给的智能导向框架含五维:感知接地、持久状态、可控变换、动力学感知预测、闭环交互。

这条定义把「评测对象」从像素搬到了状态转移函数:

世界模型 ≠ 生成器 f(观测) → 未来画面
世界模型 = 转移函数 T(state_t, action_t) → state_{t+1},且对反事实 action' 有可区分的响应

一旦接受这个定义,很多常见评测立刻失效:只对比生成视频的 FVD / LPIPS / 人工美观评分,测不出「同一个动作在不同初始状态下是否产生正确后果」,更测不出「换一个动作,未来是否随之改变」。画面是投影,状态才是对象。

3.2 目录、清单与证据卡

组件内容
规模270 个模型条目、74 个基准、62 个注册指标,均单独标注 readiness 与执行证据
模型 / 基准 zooworldfoundry/data/models/catalog 下的 JSON 目录、带资产要求与就绪状态的 manifest
运行时worldfoundry/synthesis 与 worldfoundry/pipelines 下的 in-tree adapters
CLI / TUIworldfoundry-eval、worldfoundry-tui
Studio浏览器工作区,端口 7870,用于作业参数与产物复核
评测worldfoundry/evaluation 下的 evidence-aware scorecards,输出 run_manifest.json
集成Wan、HunyuanVideo、LTX2、Cosmos、Matrix-Game-2/3、LingBot、OpenPI、OpenVLA-OFT、GROOT
首个 demomatrix-game-2 导航类任务

(来源:ExplainX 11 月技术解读、KBlip 论文摘要、Newsbreak 11-10、OpenEnvision 仓库 README。)

最值得抄走的不是 270/74/62 这三个数,而是每一条评测主张都能追溯到它的支撑产物:run_manifest.json + readiness flag + evidence-aware scorecard。这与 11-15/03 的六字段证据包、今天 01 的 runtime_manifest 是同一套纪律:分数只是索引,可复核的产物才是证据。

当然也有边界:README 自己警告项目处于 active development,会有破坏性变更;checkpoint 与数据集在 git 之外,上游 checkpoint 各守自己的许可证;conda 而非纯 pip 的 happy path、CUDA wheel 按主机能力 pin(默认 cu128,旧主机用 --cuda cu124/cu121)。换句话说,它是评测脚手架的候选,不是可以直接当结论用的权威榜单——这恰好又回到今天 01 的运行时可 pin 问题。


4. 研究线:三个把「验证」写进架构的样本

4.1 WorldMind:把想象留在 latent 空间,并给推理过程发可验证奖励

arXiv:2611.10151 处理的是视角变换(perspective-taking)这类需要「心理空间旋转」的任务。已有做法要么扩展语言推理,要么加静态几何表示,都不能主动变换所表示的场景;用 RGB 世界模型又有 latent → pixel → latent 的瓶颈。

WorldMind 的做法:VLM 根据查询与观测选择有用的空间变换,世界模型执行这些变换并把对齐的中间 latent 特征直接暴露给 VLM,迭代模拟而不反复把想象状态解码成像素;再用 process-verifiable RL——只有当关联的动作与 latent 转移都有效时才奖励推理进展。

基准相对 base VLM相对最强 RGB 世界模拟
VSI-Bench / MMSI-Bench / MindCube-Tiny 平均+16.0%+8.3%

(论文自报,未见独立复现。)工程上最值得迁移的是那条奖励条件:「推理进展」必须挂在一个可验证的状态转移上,而不是挂在答案看起来更合理上。这正是 11-15/03「硬证伪者」在潜空间里的版本。

4.2 GTAGym:让引擎当裁判,把评分模型彻底踢出环

复旦 / OpenMOSS 11-09 的 GTAGym 把 GTA V 的 103 个剧情任务变成自动评分的 Agent 基准:服务端接收截图、发出键鼠动作,直接对照游戏引擎状态判定任务是否通过,并附带可自动生成奖励的 RL 环境生成器。

项结果
指令仅出现在首张截图时,六个前沿模型最佳完成率70.9%
LoRA RL 后 Qwen3.8-27B 在原生任务上15% → 23%
仍然困难的类型空中导航、追逐

(来源:MindPattern 11-12 对 arXiv 论文的整理;论文自报。)

关键设计在那句「游戏引擎决定任务是否通过,因此没有评分模型在环,裁判 bug 无处藏身」。把它和 11-15/01 的 Deepnote 对照:那边因为裁判规则把「预算耗尽」按 finish_task 计分、正确沉默给 10 分,结果把跑得慢奖励成最懂克制;这边把判定权交给一个不受被评对象影响的确定性状态机。同一条原则:判定权不能留在生成者手里。

4.3 134 次能跑,只有 28 次形式化正确

这是今天最该被记住的一组数字。Djaffal 等人构造 44 个场景,让 LLM 把情境形式化为部分可观察随机博弈,分析 5 个模型的 410 次一阶生成:

指标结果
生成结果能运行134 / 135
与参考形式化完全一致28
结构 F1(对参考)0.366
文化场景里点名某个国家多数模型生成的结构改变,而自动语义分数几乎不动

(来源:arXiv 论文,经 MindPattern 11-12 整理;论文自报。)

「能跑 ≠ 形式化对」在这里被量化到了近乎刺眼的程度:99% 的执行成功率,对应约 21% 的结构正确率,F1 仅 0.366。更麻烦的是最后一列——语义评分器对明显的结构漂移几乎无感。这直接解释了两件事:

  1. 为什么 11-15/03 要求「验证独立于生成」:如果验证器与被评对象共享语义偏好,结构错误会被平滑掉;
  2. 为什么世界模型不能只靠画面评分:一个渲染得漂亮但状态转移错误的世界,恰好就是「能跑但形式化不对」的视觉版本。

把这三份研究并起来,会得到一条清晰的技术路线:验证要落在可判定的状态与转移上(引擎 / 仿真日志 / 形式化检查器),不能落在看起来合理的输出上(画面 / 语义相似度 / 自评)。


5. 原创判断:三条独立性要求,与物理世界的六字段证据包

11-15/03 把验证独立性拆成 L1 答案 / L2 判据 / L3 身份三层。推广到物理世界,需要再加三条领域专属的独立性:

独立性要求反例正例
I1 判据独立于生成结果由引擎状态、仿真日志或形式化检查器判定,不由生成模型或语义相似度判定用 VLM 给生成视频打「物理合理分」GTAGym 引擎判定;WorldFoundry 的确定性检查
I2 干预可反事实同一个 state_t 换 action',state_{t+1} 必须可区分且符合物理预期;否则模型只是在背视频只评「未来帧像不像真实」WorldFoundry 三要件;WorldMind 的 latent 转移有效性奖励
I3 复现独立于厂商跨本体、跨场景、跨团队的第三方复现;权重、微调代码、seed、评测 manifest 齐备榜单第一但只有厂商自测Praxis-1 的 Apache 2.0 权重 + LoRA + LeRobot(仍需外部复现)

I2 是最容易被跳过的一条,也是「世界模型」区别于「视频生成模型」的唯一硬边界。一个对动作无响应的模型,无论画面多好,都不是世界模型。

由此,把 11-15/03 的 who / what / why / on_what / signed_by / checked_by 六字段证据包,扩展成物理世界可用的七字段:

# physical_evidence_bundle.yaml
claim_id: "praxis-1-roboclaw-120-462"
who: "Runway"                          # 声明方
what: "RoboLab-120 成功率 46.2%"        # 声明内容
why: "世界动作模型子类第一"              # 声明意图/作用域
on_what:                               # 证据基础(新增物理字段组)
  state_before: "episodes/0001/init_state.json"
  action: "episodes/0001/action_chunk.json"
  state_after: "episodes/0001/result_state.json"
  counterfactual: "episodes/0001/alt_action_result.json"   # I2:必须存在
  engine_verdict: "pass | fail"                            # I1:非模型判定
  episode_count: 1200
  seed: 20261111
signed_by: "vendor-self-report"        # 声明签名:厂商自报
checked_by: "pending-independent-repro" # 独立复核:目前为空
tri_state: "unverified"                # confirmed | contradicted | unverified
scope: "world-action-model-category-only"  # 排名作用域,防止"第一"被读成总榜第一

注意 counterfactual 与 engine_verdict 两个字段是新增的:没有反事实分支,就没有资格谈「世界模型」;没有独立判定物,就没有资格谈「验证」。 而 checked_by: pending-independent-repro 必须如实留空——11-15/03 的规矩是「缺一层就只能算 claim_only,不是 evidence_ready」。


6. 可落地:三道门禁与一段可跑的反事实检查

6.1 门禁一:反事实响应性(先证明确实是转移函数)

# counterfactual_check.py —— 世界模型的准入测试,而非质量测试
import numpy as np

def counterfactual_response(model, state_t, actions, metric, threshold=0.05):
    """同一个 state_t,换动作,未来状态必须可区分。"""
    futures = [model.rollout(state_t, a, steps=16) for a in actions]
    # 用状态级距离,不用像素级相似度(像素会被纹理与光照骗过)
    d = [[metric(fi.state, fj.state) for fj in futures] for fi in futures]
    off_diag = np.array(d)[~np.eye(len(actions), dtype=bool)]
    if off_diag.mean() < threshold:
        return {"verdict": "not_a_world_model", "reason": "action-insensitive",
                "mean_state_distance": float(off_diag.mean())}
    return {"verdict": "action_sensitive", "mean_state_distance": float(off_diag.mean())}

这道门禁刻意排在准确率之前:一个对动作不敏感的模型,先把它的分数算得再高也没有意义。它也是对当下「视频生成模型改称世界模型」这类命名漂移的最低成本防御。

6.2 门禁二:声明三态与作用域

# claim_card_physical.py —— 接 11-15/03 的 claim_card
def judge(claim, evidence):
    if evidence.get("independent_repro") and evidence.get("engine_verdict") \
       and evidence.get("counterfactual"):
        return "confirmed"
    # 排名类声明必须带作用域;"第一"与"总榜第五"并不冲突,但只说"第一"是误导
    if claim.get("rank") and not claim.get("scope"):
        return "unverified"       # 缺作用域,暂不进选型结论
    if claim.get("arithmetic_conflict"):
        return "contradicted"
    return "unverified"

把今天两个具体声明过一遍:

声明判定理由
Praxis-1「RoboLab-120 46.2%,世界动作模型第一」unverified(可得 claim_only)厂商自测、无第三方复现;总榜第五的口径未与「第一」对齐,须带 scope
媒体标题「CloudRobo-WM1.2 仿真成功率 98.35%」unverified发布会 14:00 尚未召开,无官方发布稿、无技术报告、无评测协议与分母
WorldFoundry「270 模型 / 74 基准 / 62 指标」confirmed(基础设施事实)仓库与论文可查;但 README 自述 active development,不作权威榜单用
博弈论形式化「134/135 能跑」confirmed(执行事实)/ 结构正确性 unverified「能跑」不等于形式化正确;结构 F1 仅 0.366,且仅论文自报

6.3 门禁三:把可 pin 的执行面一起写进证据包

# worldfoundry_smoke.sh —— 评测复现前的环境固定(呼应今日 01)
GIT_LFS_SKIP_SMUDGE=1 git clone https://github.com/OpenEnvision/WorldFoundry.git
cd WorldFoundry && git checkout <PINNED_COMMIT>       # 不用 main,仓库会有破坏性变更
bash scripts/setup/bootstrap_worldfoundry.sh --cuda cu128
worldfoundry-eval zoo models --json > artifacts/models.json
worldfoundry-eval zoo benchmarks --json > artifacts/benchmarks.json
worldfoundry-eval run --manifest configs/matrix-game-2.yaml \
  --data-root /mnt/shared/data --model-root /mnt/shared/models \
  --artifact-root /mnt/shared/artifacts --out artifacts/run_manifest.json

三件事必须同时进证据包:pinned commit、CUDA wheel 与硬件型号、以及 run_manifest.json。否则今天 01 的结论会在物理仿真里以更贵的形式重演——一次 8 卡跑几小时的评测,因为环境漂移而不可比。


7. 反模式、边界与今天最该做的一步

反模式为什么错替代做法
用 FVD / 美观评分评世界模型只测像素投影,测不出状态转移状态级 T(state, action) 与反事实响应门禁
把「生成视频 + 输出动作」当闭环两者可能各自正确、互不因果检查动作改变是否导致可区分的未来状态
让 VLM 给「物理合理性」打分与生成者共享语义偏好,结构漂移被平滑引擎状态 / 仿真日志 / 形式化检查器判定
引用「榜单第一」不带作用域子类第一与总榜第五可同时为真claim_card 强制 scope 字段
在发布会前引用规格数字预告不是结果等官方稿与技术报告,标 unverified
把 Apache 2.0 当安全认证许可允许商用,不保证物理安全独立复现 + 实机验证 + 受治理的部署门禁

边界必须成段写清:CloudRobo-WM1.2 的全部已公开信息止于议程与定位,发布会尚未召开,任何参数、分数与价格都不应预写;Praxis-1 的 46.2%、80.0%、15/15、6/10 均为 Runway 自测,「总榜第五」与「子类第一」是不同作用域而非相互否证;WorldFoundry 的 270/74/62 是目录规模而非已验证的评测结论,且项目自述会有破坏性变更;WorldMind 的 +16.0% / +8.3%、GTAGym 的 70.9% 与 15%→23%、博弈论形式化的 134/135 与 F1 0.366 均为论文自报、未见独立复现;Gemini Robotics 2.5 的 96% 为厂商口径;出货量与人形机器人占比为二手转述,本文不作结论。WorldFoundry 论文公开日期存在 11-07 与 11-10 两种口径,以 arXiv 版本记录为准。

今天最该做的一步:给手上任何一个被称为「世界模型」的系统跑一遍 6.1 的反事实响应检查——固定同一个初始状态,只换动作,看未来状态是否可区分。两小时内就能得到答案,而且它比任何榜单都更能说明你手里到底是不是一个世界模型。至于 14:00 的发布会,等官方稿出来再按 claim_card 三态过一遍。


8. 常见问题(FAQ)

Q1:CloudRobo-WM1.2 今天发布了什么?98.35% 是真的吗?
A:本文写作于 11-16 凌晨,发布会定在当日 14:00–15:30,尚未召开。已公开的只有名称、昇腾原生定位、议程、生态伙伴与官方列出的五类挑战。「仿真成功率 98.35%」出现在部分媒体标题中,在官方发布稿、技术报告与评测协议出现前属于媒体口径,本文标为 unverified,不写进规格、选型与预算模型。

Q2:世界模型和视频生成模型到底差在哪?
A:按 WorldFoundry 的定义,世界模型是带持久状态的预测动力系统:维护历史条件化的环境表示、在动作干预下更新状态、输出尊重反事实动作的时序一致未来。只生成好看画面而缺少持久状态与对干预的因果响应,不算世界模型。工程上最低成本的判据是:固定同一初始状态、只换动作,看未来状态是否可区分且符合物理预期。

Q3:Praxis-1 到底是第一还是第五?
A:两个说法作用域不同,可以同时为真。Runway 称其为「世界动作模型」子类第一、超过所有开放权重 VLA;The Robot Report 与 The Decoder 指出它在总榜排第五,前面有两个 Agent 系统与两种其它架构的机器人模型。发布材料没有对齐二者,所以引用时必须带 scope,否则「第一」会被误读成全场第一。

Q4:Apache 2.0 开源权重意味着可以放心商用吗?
A:不意味着。许可证解决的是「能不能改、能不能卖」,不解决「物理行为是否可靠、是否安全」。Praxis-1 的 46.2%、80.0%、15/15 与 6/10 全部是 Runway 自测,第三方独立复现尚未出现;15/15 是半小时示范后的特定木板入箱任务,陌生混合堆即降到 6/10。开源权重的价值在于让复现与失败案例拆解成为可能,责任同时转移给了部署方。

Q5:为什么「能跑」不能证明形式化是对的?
A:那份 44 场景研究里,LLM 写出的部分可观察随机博弈有 134/135 能运行,但只有 28 个与参考形式化完全一致,结构 F1 仅 0.366;更麻烦的是在文化场景里点名国家会改变多数模型生成的结构,而自动语义分数几乎不动。执行成功与结构正确是两件事,语义评分器对结构漂移不敏感,所以验证必须落在形式化检查器或引擎状态上。

Q6:GTAGym 的「没有评分模型在环」为什么重要?
A:因为判定权一旦交给模型,裁判规则本身的缺陷就会混进分数。11-15 的 Deepnote 基准把预算耗尽按 finish_task 计分、正确沉默给 10 分,结果把超时误计成克制,甚至让整体结论显得更好。GTAGym 直接对照游戏引擎状态判定任务是否通过,没有评分模型在环,这类裁判 bug 就没有藏身之处。代价是场景受引擎能力约束,空中导航与追逐仍难。

Q7:WorldMind 的 latent 路线和 RGB 世界模拟差在哪?
A:RGB 路线要把想象状态解码成像素、再编码回 latent,存在 latent→pixel→latent 瓶颈且每轮都有信息损失。WorldMind 让 VLM 选择空间变换、世界模型执行后把对齐的中间 latent 直接暴露给 VLM,并用 process-verifiable RL 只在动作与 latent 转移都有效时奖励推理进展。论文自报在三个空间推理基准上平均比 base VLM 高 16.0%、比最强 RGB 世界模拟高 8.3%,尚待独立复现。

Q8:物理世界的证据包比 11-15 那版多了什么?
A:多了 state_before / action / state_after / counterfactual / engine_verdict 这一组字段,以及 scope、seed、episode_count。核心是两条新增硬要求:没有反事实分支就不能证明对动作敏感,没有引擎或形式化判定物就不能算验证。checked_by 若仍是 pending-independent-repro,整份材料只能算 claim_only,不能进上线门禁。


9. 参考资料

  1. 华为云公众号 / 南方财经网 / 财联社 / 腾讯新闻 / 93913,《CloudRobo-WM1.2 具身世界模型发布会预告与议程》,2026-11-12~15(11-16 14:00–15:30 线上;首款昇腾原生世界模型、「行业 AI 梦工厂」首款;2025-06 CloudRobo 平台、2026-06-05 四专区;不做机器人本体;五类落地挑战;亿嘉和 Z200Pro、拓斯达工厂搬运、征和工业灵巧手等生态;部分媒体标题提 98.35% 仿真成功率,无官方技术报告)
  2. Runway 发布材料;ChipDispatch《Runway opens 27B Praxis-1 world-action model under Apache 2.0》、AI Native Engineering《Open Models Move Into the Stack》、The Latent Daily、AIbase / 元宝速递、晨启 Tech 11-12,2026-11-11~14(27B MoE 扩散 Transformer、同时预测视频与约 1.6 秒动作块、Apache 2.0 权重与推理微调代码及 LoRA、LeRobot 与 vLLM-Omni、H100/B200/RTX 5090/Jetson Thor、约 54.4GB BF16 与 80GB GPU;RoboLab-120 1200 episodes 46.2% 对 42.9%/36.8%/28.0%;SimplerEnv RT-1 微调 80.0% 对 52.4%;Noble Machines 15/15 与 6/10;总榜第五与子类第一的口径差异;NVIDIA 四款 Cosmos 3、Emulate 7 亿美元轮次)
  3. OpenEnvision / arXiv:2611.10771,《WorldFoundry: Towards Unified Infrastructure for World Intelligence》,2026-11-07 / 11-10(两种公开日期口径);ExplainX 技术解读、KBlip 论文摘要、Newsbreak 11-10(历史条件化持久状态、动作干预更新、反事实一致的时序未来;感知接地 / 持久状态 / 可控变换 / 动力学感知预测 / 闭环交互五维;270 模型条目、74 基准、62 指标与独立 readiness 标记;evidence-aware scorecards 与 run_manifest.json;conda 安装、cu128/cu124/cu121、Studio 7870 端口、matrix-game-2 demo;README 自述 active development 与破坏性变更;NVIDIA BirdDreams 权重未发布)
  4. arXiv:2611.10151,《WorldMind: Test-Time Scaling for Visual Spatial Reasoning through Latent World Simulation》,2026-11(latent→pixel→latent 瓶颈、VLM 选空间变换、对齐中间 latent 直接暴露、process-verifiable RL;VSI-Bench / MMSI-Bench / MindCube-Tiny 平均 +16.0% 与 +8.3%,论文自报)
  5. 复旦 / OpenMOSS,GTAGym 论文,arXiv 2026-11-09;MindPattern《Ramsay Research Agent — November 12, 2026》整理(103 个 GTA V 剧情任务、截图与键鼠动作、引擎状态判定、RL 环境生成器与自动奖励;指令仅在首张截图时最佳 70.9%;LoRA RL 使 Qwen3.8-27B 从 15% 到 23%;空中导航与追逐仍难;无评分模型在环)
  6. Djaffal 等,LLM 形式化部分可观察随机博弈论文,arXiv 2026-11;MindPattern 11-12 整理(44 场景、5 模型、410 次一阶生成;134/135 能运行、28 个与参考完全一致、结构 F1 0.366;文化场景点名国家改变结构而自动语义分数几乎不动)
  7. aibriefing.dev《Today’s Stories》、rAI.nvent《GenAI Daily — November 15, 2026》、微信公众号「11 月 15 日 AI 一日谈」,2026-11-15(Gemini Robotics 2.5 与 Mercedes-Benz 装箱 96% 厂商口径;路透社转述王兴兴「GPT 时刻」判断;二手转述的人形机器人出货数据,本文不作结论)
  8. 本系列前文:2026-11-10《生产护栏与评测门禁 2026》;2026-11-13《模型交易所与可信供给 2026》;2026-11-15《主动性与克制评测 2026》《基准加固与努力反噬 2026》《验证独立于生成 2026》;2026-11-16《推理栈静默错误 2026》《模型弃用与版本寿命治理 2026》
Logo

DAMO开发者矩阵,由阿里巴巴达摩院和中国互联网协会联合发起,致力于探讨最前沿的技术趋势与应用成果,搭建高质量的交流与分享平台,推动技术创新与产业应用链接,围绕“人工智能与新型计算”构建开放共享的开发者生态。

更多推荐