世界模型

• 世界模型102：三条技术路线与大一统趋势的架构解读

  文章介绍了三种不同类型的世界模型：观测级模型、潜在空间模型和3D增强与对象中心模型。每种模型都有其特点和适用场景，但同时也存在一些不足之处。文章指出，未来的世界模型应该是一个生成与理解一体化的模型，能够理解和生成动态世界。此外，世界模型还需要考虑动作和策略的建模，以便更好地理解和控制物理世界。最后，文章强调了全模态整合的重要性，即物理AI需要一个能够理解现状、想象可能的未来并与世界交互的模型，整合多种模态的物理信号。

  Vehicle

  234

  07/16 13:35

  世界模型

  
• 98年哈工大长聘教授创业：触觉驱动的机器人世界模型，能否成为下一个突破口？

  哈尔滨工业大学（深圳）计算机科学与技术学院长聘教授杨朔创立破晓智能（PHANES AI），聚焦人类数据、触觉感知与世界模型研究，目标是让人形机器人完成全身移动灵巧操作。公司已组建数十人团队，覆盖数据、模型、机器人控制与硬件系统。李朔团队围绕触觉数据展开了一系列研究，包括EgoTouch、TouchAnything和TouchWorld，解决了触觉数据采集、规模化和实际应用的问题。此外，破晓智能正搭建面向人类操作的多模态数据采集平台，以降低成本并提高数据质量，助力机器人实现全面的触觉感知和操作能力。

  人形大讲堂

  378

  07/14 16:56

  人形机器人 世界模型
• 世界模型101：概念、技术争鸣与科学应用

  "世界模型"已经成为人工智能领域最受关注的概念之一。从基于模型的强化学习、视频生成，到具身机器人，再到更宏大的"物理 AI"（Physical AI），各个子领域的研究者都在构建自己称之为"世界模型"的系统。连普通消费者也开始在各种场合听到这个词。

  Vehicle

  239

  07/14 11:31

  世界模型

  
• 地平线的HSD V2.0让端到端走到了哪一步？

  2026年自动驾驶端到端已成为主流，地平线发布HSD V2.0，采用一段式端到端全场景辅助驾驶系统，利用世界模型增强主动安全，提升无接管里程和反应速度。行业正从功能落地转向体验优化，强化学习成为共识路线。

  智驾最前沿

  543

  07/13 10:53

  自动驾驶 端到端

  
• 智驾下半场，体系能力才能重写排位？

  蔚来通过提前设计的工程体系，实现了硬件冗余和软件优化，成功推出世界模型版本，覆盖各大平台和车型，提升了用户体验并推动了整个行业的技术进步。

  汽车之心

  709

  07/10 19:06

  智能汽车 世界模型
• 具身智能 | 用世界模型替代师生学习：WMP 是如何让四足机器人「看清地形」

  本文介绍了WMP（World Model Policy）方法，这是一种在视觉腿足机器人领域的新颖技术。WMP的核心思想是绕过传统的scandots表达力局限，通过构建一个统一的世界模型，使政策可以直接在一个预测能力强的隐状态空间中生长。文章详细阐述了WMP的设计思路和技术细节： 1. **输入输出接口**：WMP将腿足控制建模为POMDP，使用深度图作为输入，同时引入特权信息。 2. **关键不对称：世界模型与策略的频率错位**：为了应对仿真与真机延迟问题，WMP采用了每100ms更新一次世界模型的策略。 3. **为什么策略要拿**：解释了为何策略采用确定性部分而非随机部分的原因。 4. **训练时的监督模块**：介绍了一次训练阶段内同时训练世界模型、策略和深度预测器的方法。 5. **推理时的执行模块**：讨论了如何在板载推理环境中进行部署，以及关键超参数设置。 6. **训练目标**：提出了三套损失函数并存的方式，确保世界模型、策略和深度预测器的有效训练。 7. **可选模式**：提供了t-SNE可视化和开环预测的实验结果。 WMP通过将世界模型与策略紧密结合，实现了在复杂地形中的高效导航，展示了其在视觉腿足机器人领域的潜力。

  敢敢AUTOHUB

  1741

  07/09 10:52

  具身智能 世界模型

  
• 端到端、世界模型与VLA三者到底是什么关系？

  2026年上半年，自动驾驶行业技术迭代加速，主要聚焦于端到端、VLA和世界模型三大技术路线。端到端简化了传统模块化设计，但缺乏深层理解；VLA通过加入语言模型增强理解能力，但存在推理延迟和模型不适配问题；世界模型则通过模拟物理世界预测未来，提高决策主动性。随着技术融合加深，行业正朝着让AI理解物理世界的趋势发展，预计下半年的竞争将集中在技术融合的深度和速度上。

  智驾最前沿

  591

  07/07 10:29

  自动驾驶 端到端

  
• 十分钟读论文 | Nano World Models——搭建一个最小化未来视频预测世界模型

  Nano World Models 提供了一个可复现实验框架，将世界模型的研究拆分为多个可替换的配置轴，包括生成目标、模型规模、动作注入、潜在空间、数据集和采样方式。其核心思想是通过 diffusion forcing 统一未来视频预测，使研究者能够灵活调整和比较不同的设计选择。Nano WM 支持多种动作注入机制，并提供了详细的配置和实验指南，方便研究人员进行深入探索和创新。

  敢敢AUTOHUB

  517

  07/07 09:43

  世界模型

  
• 从像素到规划：读懂LeWorldModel——一个只用两项损失就能稳定训练的世界模型

  《LeWorldModel》介绍了一种新的世界模型训练方法，能够在单GPU环境下稳定训练带有动作的世界模型。该方法采用了简化版的JEPA架构，并通过SIGReg正则化手段解决了表征坍塌问题。文章详细介绍了模型架构、训练目标、训练流程以及应用场景。

  敢敢AUTOHUB

  1632

  07/06 13:44

  世界模型
• 从像素到空间：智汇云舟3D图形引擎如何重塑世界模型的未来

  世界模型的“像素困境” 想象这样一个场景：你戴上VR头盔，走进一个由AI实时生成的虚拟世界。你向左转，看到桌上有一个杯子；你向右走几步再回头——那个杯子还在桌上，形状、颜色、位置都没有变。这听起来再自然不过，但对今天绝大多数AI“世界模型”来说，这恰恰是最难做到的事情。 世界模型（World Model）是近年来人工智能领域最受瞩目的方向之一。它的目标很直接：让AI能够理解、模拟甚至预测物理世界的

  在路上01

  474

  07/05 15:17

  人工智能 世界模型
• 世界模型还是VLA，选错技术路线就会被淘汰吗？

  自动驾驶行业在2026年迎来技术路线的关键抉择，主要围绕VLA（视觉-语言-动作模型）与世界模型展开激烈讨论。VLA强调通过语言模型理解场景并作出决策，而世界模型则侧重于物理世界的预测和推演。尽管目前尚未出现绝对优势路线，多家企业如华为、Waymo、理想、小鹏等都在积极探索融合这两种技术的方法，以适应未来的高阶自动驾驶需求。

  智驾最前沿

  676

  06/30 09:55

  自动驾驶 VLA

  
• 读读代码 | EmbodiChain: 面向具身智能的生成式仿真世界模型深度解析

  本文介绍了跨维智能团队开源的 EmbodiChain 框架，这是一个面向具身智能的端到端 GPU 加速平台，基于 GS-World 理论，提出了一套全新的机器人学习范式。通过高速生成物理精确的仿真数据，突破传统数据采集的效率瓶颈，实现零真实数据条件下的 Sim2Real 迁移。

  敢敢AUTOHUB

  530

  06/29 08:26

  具身智能 世界模型
• 十分钟读论文 | τ0-WM：让机器人先在脑子里推演，再决定怎么动

  τ0-WM 是一种创新的机器人世界模型，通过整合视频预测、动作生成和动作评估，实现了在复杂任务中的高效决策。该模型利用真实机器人遥操作数据、UMI风格演示数据和第一视角人类视频来构建全面的世界模型。VAM模块负责动作生成和未来预测，ACVS模块评估候选动作的潜在后果，而TTC模块在部署时进行动作选择和修正。τ0-WM的核心理念是将未来预测融入决策过程中，确保机器人能够综合考虑各种因素并做出最佳选择。

  敢敢AUTOHUB

  1377

  06/24 08:54

  智能机器人 世界模型
• 城市NOA提出这么久，发展到什么程度了？

  城市NOA技术近年来迅速发展，已成为各大车企竞争焦点。尽管多数车型宣称标配此功能，但其实际成熟度和性能差异仍待考察。随着端到端架构的普及，VLA和世界模型成为新的技术方向，分别强调快速决策和预判能力。安全性也是重点，轻舟智航和理想提出的方案通过安全端到端机制增强安全性。然而，尽管部分高端车型表现出色，但在复杂路况下的表现仍有待提高。总体而言，城市NOA技术虽取得进展，但仍面临诸多挑战，还需进一步完善。

  智驾最前沿

  1034

  06/18 10:58

  NOA VLA

  
• 智源研究院院长王仲远：具身智能仍需“世界模型”突破，泛化能力是最大挑战

  具身智能硬件取得进展，但泛化能力不足。世界模型被视为突破瓶颈的关键。王仲远提出，具身智能需依赖世界模型实现对物理世界的预测，目前面临因果推理和复杂动态系统的挑战。尽管现有模型已有应用，但未来有望统一融合，推动具身智能发展。

  中国电子报

  604

  06/17 08:55

  具身智能 世界模型

  
• 200+AI专家集结北京，共议世界模型、智能体、具身智能等话题，这届智源大会释放什么信号？

  2026智源大会在北京中关村举行，汇集了国内外顶尖学者、产业领袖和青年科研人才，共同探讨大模型、AI Agent、世界模型、具身智能、AI4S等前沿议题。大会展示了多个重要研究成果，包括原生多模态大模型、智能体产品和基础软硬件生态的最新进展。中关村持续推动技术创新和人才培养，形成了完整的创新链条，吸引了全球顶尖年轻人才参与。

  智东西

  1036

  06/15 23:52

  大模型 AI Agent
• 哪些车企真的将占用网络装进了量产车？

  占据网络（Occupancy Network）技术近年来在自动驾驶领域备受关注，因为它能够解决传统感知系统难以应对的异形障碍物问题。特斯拉和小鹏汽车分别采用纯视觉路线和多传感器融合策略，利用占用网络从二维图像推断三维空间的占用状态，并引入时间维度进行运动预测。华为和小米则进一步探索超分辨率占用网络，提升空间分辨率。理想汽车和蔚来则将占用网络与世界模型相结合，使其成为端到端自动驾驶系统的核心空间推理单元。展望未来，占用网络正朝着4D化和端到端架构整合的方向发展，其具体应用效果取决于企业在其上的上层架构设计。

  智驾最前沿

  900

  06/15 09:49

  自动驾驶 世界模型

  
• 从视频生成到世界模型的演进之路：空间智能时代的技术革命

  人工智能正面临从表面模拟到深层理解的转型，视频生成技术的发展为构建世界模型提供了强大工具。世界模型不仅是对物理世界的模拟，还包括隐式世界模型和视频渲染器两大部分。从第一阶段的基础视频生成到第四阶段的随机性和多尺度建模，世界模型逐渐实现了从短期真实性到长期规划性，再到复杂系统预测和随机性感知的跃升。 导航模式是实现交互性的关键，通过动作序列、轨迹、文本指令等多种方式引导模型生成。目前主流的条件注入策略包括ControlNet、多模态Transformer、交叉注意力等，各有利弊。扩散模型因其生成质量和稳定性在视频生成中占主导地位，但也面临生成速度慢的问题。 世界模型已在机器人、自动驾驶、游戏、创意产业等多个领域得到应用，从训练环境到感知增强，从场景生成到安全测试，展现了巨大潜力。李飞飞教授提出的空间智能理念为世界模型的发展奠定了理论基础，并通过Marble等工具推动了技术进步。 展望未来，世界模型将继续朝着更高的真实性和复杂性迈进，尤其是在机器人、科学和教育等领域，有望彻底变革智能交互的方式。

  敢敢AUTOHUB

  728

  06/08 11:07

  世界模型 空间智能

  
• VLA与世界模型哪个更适合自动驾驶？为什么车企会有不同选择？

  自动驾驶技术中，世界模型与VLA各有侧重：世界模型注重环境逻辑预测，VLA强调决策逻辑推理。两者在实际应用中逐渐融合，共同推动自动驾驶系统的智能化水平。

  智驾最前沿

  793

  06/03 13:18

  自动驾驶 VLA

  
• 神仙打架之外：环卫车里长出的世界模型什么样

  2026年5月，世界模型赛道上有智元GE 2.0、星动纪元Ctrl-World和北京人形Pelican-Unify等重要事件。酷哇科技发布的CooWAIM 2.0展示了其在实际场景中的高效避障能力，采用DAWN架构实现了高效的交互式物理推演。尽管酷哇科技在技术上有所突破，但仍面临从榜单领先到规模化落地的挑战。

  科工力量

  415

  06/01 22:56

  智能驾驶 世界模型

正在努力加载...