华为云 11 月 16 日开了一场具身世界模型发布会,发布 CloudRobo-WM1.2,并称其为首个昇腾原生的具身世界模型。权重、推理栈、训练代码三样一起放了出来。
世界模型是干什么的
机械臂不需要一个聊天机器人。它需要一个能在自己动之前预测「动了会怎样」的模型,这样它才能规划一小段动作序列,而不是一帧一帧地反应。这层预测能力就是世界模型,也是机器人栈里最难训的部分——它既要视频级别的数据,又要物理上自洽。
CloudRobo-WM1.2 用共享世界模型骨干,加一个华为称为 DualAct 的架构,原生生成动作,而不是把动作当作下游分类问题。这个区别听起来很学术,直到你看到一个分类分得很准、却走不出平滑轨迹的策略。
基准成绩
它在 RoboTwin 2.0 和 LiberoPro 2.0 上都排第一。这两个是操作策略质量的主流仿真基准。两个第一是很强的结果,同时也提醒一句:两个都是仿真。从仿真到真机的迁移,通常会让这类数字掉三分之一。
真正少见的部分
权重、推理、训练代码全开,这在具身智能里很少见——多数实验室发论文、发演示视频,但扣着 checkpoint。华为还开放了训练框架和昇腾算力实践笔记,这部分才让发布是可复现的,而不只是可围观。
战略读法很直接:华为卖算力,而让昇腾成为机器人领域可信平台最快的办法,就是让一个真能打、在基准上领先的模型跑在它上面,并且让所有人看得见怎么跑。
动手前要确认三件事
第一,模型期望的动作空间和控制频率。一个假设 10 Hz 关节控制的世界模型,接到 50 Hz 的栈里而不重训,是接不上的。
第二,数据配方。世界模型对相机配置很敏感,在一个台架上训出来的 checkpoint 换一套装置常常掉得很厉害。开放训练代码的意义,就是让你在投入之前先查这件事。
第三,商用条款。这里的「开源」通常指研究可用,进产品之前要看清商业条款。
更大的图景
物理 AI 花了一年产出惊艳的视频和极少的落地系统。开源权重本身修不好这件事,但它能让更多团队以更低成本、更快地失败——这个领域通常就是这么往前走的。真正的问题不是 CloudRobo-WM1.2 是不是最好的世界模型,而是第二个团队能不能在一个月内复现它。这次发布就是奔着让这件事成立去的。