机器人告别“逐帧学动作”！全球首个事件级具身智能世界模型发布

5月29日，自变量机器人团队放出一个重磅消息：全球首个基于“事件级预测”的具身智能世界模型WALL-WM正式亮相。这个模型最碘伏的地方在于，它彻底抛弃了传统具身大模型那种“按时间帧一帧一帧机械学习动作”的老路，直接把世界模型的预测单位切换成了语义事件。换句话说，机器人不再只是盯着时间轴去模仿，而是开始理解“接下来该做什么事”——这标志着机器人理解与执行任务的能力，确实迈上了一个全新的台阶。

如果你以为这只是算法层面的突破，那就太小看这套系统了。支撑WALL-WM长出动作能力的，是一套极其严密的“数据金字塔”系统工程。底层靠百万级网络通用视频补足视觉先验，顶层则聚焦真机接管与纠错数据。中间还嵌入了四级层级化标注、双聚类采样、分布式“Muon”训练系统，就连部署端都做了FP8量化。这一整套打法下来，效果相当直观：在具身视频生成质量和三维空间感知等多项指标上，WALL-WM全面领跑；在真机Core15L1基准测试的泛化场景中，它拿到的任务完成分数也相当亮眼。目前，项目的开源代码和主页已经正式公开，感兴趣的朋友可以直接去翻一翻。