11 月 16 日,华为云发布并开源具身世界模型 CloudRobo-WM1.2,基于昇腾算力训练,在 RoboTwin 2.0(双臂协同能力上限)与 LiberoPro 2.0(环境扰动下鲁棒性下限)两项评测中均列第一。对做机器人开发的工程师来说,比名次更值得关注的是它的架构选择和开源后的接入方式。

问题定义:为什么分层方案在真机上吃亏

传统机器人模型的视觉表征只回答"眼前有什么"。公开研究测试里,模型面对视角变化,准确率从 62.72% 降到 7.62%——表征对视角、遮挡、运动状态不鲁棒。而常见的"世界模型 + 策略模型"两层拼接方案,预测层与动作层各自训练,误差在层间累积,真机上表现为动作一致性差。

架构拆解:五项技术对应五类工程难题

一、PPA 多模态世界表征架构。将环境感知、未来状态预测纳入统一表征,模型不只识别物体,还预判物理交互结果,解决多模态物理理解难。

二、世界模型原生 DualAct 架构。动作生成内嵌在预测过程中,世界模型直接输出动作指令,不经过外挂式后处理,解决认知与动作耦合难、分层误差累积问题。

三、多粒度监督数据自适应预训练框架。针对异构数据难以规模化利用的问题,提供不同粒度的监督信号。

四、本体语义保真跨具身运动建模。在保留不同机器人本体(自由度、运动学结构、传感器配置)差异的同时建立可迁移的运动表征,解决跨本体泛化难。

五、弹性推理模式。提供 World/Expert Action 与 Joint/Action-only 四种可按需组合的推理模式——这是对实时推理算力成本高这一约束的直接回应,时延敏感的场景可以裁剪掉部分预测分支。

工程视角:底座与平台

训练与推理全程在昇腾算力上完成,这对受出口管制影响、GPU 获取受限的团队是一条已验证的路径。平台侧,CloudRobo 提供数据合成、模型训练、仿真验证到云边端部署的全流程,内置预置数据与仿真场景资产,并通过 R2C SDK(机器人到云的通信组件)把真机接入云端推理与控制,底层支持 CPU、GPU、NPU 异构配置。发布会披露平台已有超 16500 名开发者、230 多家企业与高校入驻。

开发者接入路径

权重、推理与代码宣布开源,有报道引述称 11 月 30 日起向开发者开放。现实的接入路径有三条:做仿真研究的,直接基于开源权重在 RoboTwin、LiberoPro 类基准上复现与改进;有真机本体的,通过 R2C SDK 接入云端推理,用弹性模式控制时延;只想要成品能力的,关注已落地的行业方案——华为云与福龙马联合研制的智能清扫机器人已启动预售,12 月在上海开发布会。

两点保留

评测第一来自仿真基准,发布方口径,未经独立复现;"80% 的中国具身智能企业选择昇腾云"也是厂商披露数据。仿真到真机的泛化鸿沟依然存在,工程决策前建议等开源权重发布后的社区复现结果,以及清扫车这类真实场景的运行数据。


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