中国团队夺冠!世界模型突破“动作幻觉”,机器人真能看懂物理世界了
01中国团队获ICRA世界模型赛道冠军
2026年6月3日,在奥地利维也纳闭幕的国际机器人与自动化会议(ICRA)上,由中国科学院自动化研究所模式识别实验室牵头研发的NeoVerse-ABot模型,以0.829分的成绩夺得世界模型赛道冠军。该赛事聚焦具身智能核心能力,特别强调模型在图像生成质量与动作指令一致性方面的表现。NeoVerse-ABot在两项关键指标中均领先全球参赛队伍,标志着中国在构建高保真物理世界模型方面取得实质性突破。此次竞赛首次将“动作幻觉”抑制能力纳入评分体系,要求模型生成的画面不仅视觉逼真,还必须严格遵循物理规律与控制信号,避免出现物体凭空移动、轨迹失真等不符合现实逻辑的“脑补”现象。1
02破解“动作幻觉”:从失败数据中学习物理规律
传统机器人系统依赖实时视觉反馈执行任务,缺乏对物理世界的内在理解,导致在物体滑落、遮挡或轨迹偏移等复杂场景下频繁失误。NeoVerse-ABot的突破在于构建了感知—预测—决策的闭环系统,能够基于当前视觉输入与计划动作序列,准确预判机械臂、物体与环境之间的动态交互。研究团队颠覆性地将夹空、滑落等失败交互数据视为宝贵训练资源,通过提升长尾样本权重,使模型全面学习真实物理交互的完整分布。同时引入以动作匹配度和因果合理性为核心的强化学习评估机制,从源头抑制虚假画面生成。经过多轮优化,该模型已能清晰区分成功操作与失败场景,并在非理想条件下准确预判物体状态变化,将“幻觉率”降至接近零水平。1
03工业应用成效显著,测试成本降低60%
NeoVerse-ABot作为高可信神经仿真器,正加速推动中国机器人产业落地。传统机器人研发高度依赖真机试错,存在数据采集成本高、长尾场景覆盖难等痛点。该模型可在虚拟环境中预演生成海量物理真实数据,将真机测试成本降低60%以上,显著缩短研发周期。在工业制造领域,搭载该模型的柔性生产机器人已实现复杂工序的自主适配,操作风险预判准确率达92%。某汽车零部件工厂试点显示,机器人成功处理200余种异形零件的抓取任务,生产线换型时间从45分钟压缩至8分钟。在商业服务场景,高频次作业机器人通过自主策略调整,使物品损坏率下降73%。此外,相关技术已延伸至自动驾驶仿真测试,为智能车辆提供极端天气下的决策训练平台。1
04OpenAI同步进军实体机器人领域
几乎在同一时间,2026年6月1日,OpenAI首席执行官山姆·奥特曼在社交平台宣布成立“OpenAI Robotics”团队,正式进军实体机器人领域。该团队由文生图模型DALL·E和视频生成模型Sora的核心开发者阿迪亚·拉梅什领衔,依托原“世界模拟研究项目”升级演化而来。短期目标聚焦开发协助建筑与基础设施技术工人的专用机器人,长期愿景是实现个人通用机器人普及。此举被视为OpenAI在与Figure AI终止合作后,重新亲自下场布局具身智能的关键举措。此前,Figure AI创始人布雷特·阿德考克曾指出,通用机器人需垂直整合AI与硬件,无法外包核心智能模块。OpenAI此次人事安排暗示其可能继续沿用Transformer架构推进具身智能,但该路径因Sora等模型存在物理规律错误而受到学界质疑。2
05世界模型技术路线分化明显
- 渲染器:以Sora为代表,侧重生成视觉逼真画面,但缺乏对三维结构和物理规则的显式建模,难以支撑机器人控制。
- 模拟器:如NeoVerse-ABot和成都发布的流形拓扑保持模型,专注构建符合几何、物理与动力学约束的世界状态表征,是训练具身智能体的核心基础设施。
- 规划器:输出行动指令,根据观测与目标决定下一步动作,需与模拟器紧密结合才能实现可靠决策。
06行业标准同步实施,推动技术规范化
当前文章无评论,是时候发表评论了