昇腾原生世界模型开源:CloudRobo-WM1.2,具身智能告别VLA外挂动作头

作者: 李祥敬

责任编辑: 李祥敬

来源: CBISMB

时间: 2026-11-17 13:47

关键字: 昇腾 ,华为云 ,世界模型

浏览: 0

点赞: 0

收藏: 0

很长一段时间里,国内具身智能的主流范式是视觉语言大模型外接动作头。这套方案上手快、演示效果直观,却始终难以跨过真实工况的门槛:遮挡、视角偏移、标注残缺、机器人本体更换,都会带来成功率断崖式下跌。行业共识正在形成:把感知理解和动作决策做简单拼接,无法生成真正适配物理世界的机器人智能。

11月16日华为云在行业AI梦工厂发布、并计划于11月30日开源的CloudRobo-WM1.2,给出一条完全不同的路径:以昇腾算力为底座原生训练,以4D时序世界表征为骨干,动作由世界模型内生生成,而非后期外挂。在RoboTwin 2.0、LiberoPro 2.0两大国内主流具身基准上,该模型同时取得第一,它的意义不止于榜单成绩,而在于国产算力体系下,一套从仿真预训练到真机作业的世界模型全栈链路已经跑通。

具身智能的核心矛盾,从来不是机器人能不能复刻一段演示视频里的抓取动作,而是能不能在不确定的物理环境里,预判物体运动、碰撞、形变,在信息残缺时维持稳定决策。传统VLA路线的底层缺陷,在于模型的训练目标优先对齐语言与图像,物理时序推演只是附加任务,动作头独立于世界表征之外,两者缺乏统一的物理先验。一旦场景脱离训练分布,感知与动作之间就会出现认知断层。

CloudRobo-WM1.2的底层架构选择,正是对这一路线的修正。它采用PPA多模态世界表征架构,融合RGB、语义、深度、点云多模态输入,训练目标不再是单帧识别或者图文对齐,而是构建连续4D时序表征,学习环境内的物理交互规律。对机器人而言,这意味着它得到的不是一张静态画面的标签,而是一座可以向前推演的脑内沙盘,在执行任务之前,就能预判不同动作带来的后续变化,这也是它在遮挡、视角变化场景下鲁棒性提升的根源。

为了解决世界预测与实时动作输出之间的冲突,华为云在模型骨干之上设计DualAct双通道原生动作架构。共享同一套世界表征骨干的前提下,一条通路优先保留完整世界预测能力,输出高精度动作,适合仿真评估、长时序任务规划;另一条通路为轻量化动作专家分支,直接输出控制指令,压低端到端推理延迟,适配真机低时延控制需求。两条通路可以独立缩放、按需启用,形成World、Expert Action、Joint、Action-only四种弹性推理模式。对于产业落地而言,这种设计解决了长期存在的两难:追求物理推演精度就要承受高算力开销,追求控制延迟就要舍弃世界模型能力。弹性推理让同一权重可以同时服务云端仿真迭代、边缘真机作业两类场景。

数据供给是具身智能规模化最大的瓶颈之一。真机采集成本高昂、大量存量机器人数据天然残缺:缺少深度信息、相机视角不全、动作标注局部失效,在过去的训练流程中,这类样本往往直接丢弃,数据资产的利用率被严重压缩。CloudRobo-WM1.2搭载多粒度监督自适应预训练框架,能够根据样本自带的有效信息分配监督信号,残缺标注、异构来源的数据都可以参与迭代,释放存量数据的缩放潜力。与之配套的本体语义保真跨具身运动建模,则在语义层建立统一动作翻译接口,单臂、双臂、轮式移动机器人共用一套世界表征,解决跨本体迁移时,不同机械结构运动空间不兼容的问题,避免出现“在A机械臂上收敛,换到另一台本体上全部失效”的泛化陷阱。

算力底座的原生属性,是该模型区别于多数开源具身模型的关键边界。CloudRobo-WM1.2全程在昇腾算力上完成训练与优化,不属于训练完成后迁移、适配到NPU的移植方案。整套体系依托CloudRobo具身智能平台,覆盖数据合成、高保真物理仿真、模型预训练、真机调测、云边部署闭环,配套RoboTwin仿真基准、ArtVIP物体数据集、数十套重建场景与机器人资产,以及R2C云机器人通信SDK。平台已经沉淀超过16500名开发者,接入节卡、亿嘉和、山河智能、福龙马等装备厂商,以及多所国内高校实验室。华为云披露的数据显示,国内80%具身智能企业与主流高校具身实验室选择昇腾云作为训练底座,算力供给、框架加速、仿真评测的生态已经形成规模。

开放策略上,CloudRobo-WM1.2区分两层权限。面向学术社区、独立开发者,模型权重、推理代码、后训练最佳实践将于11月30日正式开源,研究者可以直接复现评测、开展微调与二次创新;面向产业核心合作伙伴,完整训练框架、昇腾WAM底层加速库定向开放,企业可以拿到原生训练链路,自主开展大规模持续预训练。分层开放的思路,兼顾学术普惠与产业安全,避免核心加速链路无节制外流,同时降低国内具身团队的起步门槛。

榜单成绩是验证,工程闭环才是产业化门槛。在发布现场,CloudRobo-WM1.2已经展示工业轴承毛刺清理、连续搬运、零售场景物品上架入柜等真机任务,不再局限于实验室短时长单次抓取。这代表世界模型的能力开始从仿真基准,向工业、巡检、环卫等长流程、高容错要求的场景迁移。

放在更长的产业坐标系里看,CloudRobo-WM1.2的出现,标志国产具身智能赛道的竞争维度切换。前一阶段比拼的是Demo效果、单任务成功率、大模型接入速度;下一阶段竞争的重心,是算力原生的训练链路、4D物理表征能力、异构数据利用效率、跨本体迁移能力,以及端边云一体化部署的工程化能力。世界模型不再是附加噱头,而是机器人自主作业的底层基础设施。

当然,原生世界模型路线同样有尚未跨越的挑战。4D时序训练对算力、显存、通信带宽的消耗显著高于VLA方案,大规模持续学习的成本依然高昂;物理仿真与真实世界之间的Sim2Real鸿沟,还需要更多行业场景的数据回流持续弥合;通用人形本体上的长期任务稳定性,仍然需要更长周期验证。它不是一套能够解决所有机器人问题的万能方案,但它给出了一条脱离海外算力、脱离VLA拼接范式的国产路线样本。

结语

当越来越多团队意识到外挂动作头的天花板,世界模型原生动作生成,正在成为具身智能新的技术共识。

CloudRobo-WM1.2的价值,在于把这套共识落地到国产昇腾算力底座上,并且以开源方式向外释放。它提供的不只是一个模型权重,而是一套包含仿真、数据、训练、推理、真机通信在内的完整物理AI开发范式。

在机器人从自动化走向自主智能的阶段,决定最终胜负的,从来不是一次惊艳的演示,而是能否稳定、低成本、规模化地教会机器人理解这个物理世界。

©本站发布的所有内容,包括但不限于文字、图片、音频、视频、图表、标志、标识、广告、商标、商号、域名、软件、程序等,除特别标明外,均来源于网络或用户投稿,版权归原作者或原出处所有。我们致力于保护原作者版权,若涉及版权问题,请及时联系我们进行处理。
地址:北京市朝阳区北三环东路三元桥曙光西里甲1号第三置业A座1508室 电话:13391790444或(010)62178877
版权所有:电脑商情信息服务集团 北京赢邦策略咨询有限责任公司
声明:本媒体部分图片、文章来源于网络,版权归原作者所有,我司致力于保护作者版权,如有侵权,请与我司联系删除

京ICP备:2022009079号-2

京公网安备:11010502051901号

ICP证:京B2-20230255