开发者生态
morning
华为云开源昇腾原生具身世界模型CloudRobo-WM1.2,两项评测均列第一
摘要
11月16日,华为云发布了昇腾原生具身世界模型 CloudRobo-WM1.2,并表示将在11月30日开放该模型权重、推理代码和后训练代码。该模型采用共享世界模型骨干网络,通过预测增强世界表征,并基于世界模型原生 DualAct 架构实现动作生成。据华为云介绍,CloudRobo-WM1.2 在 RoboTwin 2.0 和 LiberoPro 2.0 两项评测中均位列第一。 五大核心技术突破,加...
CloudRobo
WM1
DualAct
Action
11月16日
华为云发布了昇腾原生具身世界模型
并表示将在11月30日开放该模型权重
推理代码和后训练代码
该模型采用共享世界模型骨干网络
通过预测增强世界表征
2026-11-20
1 阅读
约5分钟阅读
褚杏娟
字号:
11月16日,华为云发布了昇腾原生具身世界模型 CloudRobo-WM1.2,并表示将在11月30日开放该模型权重、推理代码和后训练代码。该模型采用共享世界模型骨干网络,通过预测增强世界表征,并基于世界模型原生 DualAct 架构实现动作生成。据华为云介绍,CloudRobo-WM1.2 在 RoboTwin 2.0 和 LiberoPro 2.0 两项评测中均位列第一。 五大核心技术突破,加速具身智能规模化落地 具身智能要从实验室进入真实物理环境,机器人需要具备的不只是视觉识别和指令理解能力,还要能够理解物体之间的物理关系,预测交互过程可能产生的结果,并将这些认知转化为具体动作。目前,这一过程仍面临多方面挑战,包括多模态物理信息理解困难、世界认知与动作生成之间的衔接不够紧密、异构数据利用效率有限,以及不同形态机器人之间的能力迁移问题。此外,实时推理对算力和部署成本也提出了较高要求。 针对这些问题,CloudRobo-WM1.2围绕世界表征、动作生成、数据训练、跨本体泛化和推理部署进行了五方面的技术设计。 在世界表征方面,CloudRobo-WM1.2采用 PPA(Predictive Physical-aware Architecture)多模态世界表征架构。与主要依靠静态图像识别环境的方式不同,该架构试图让模型理解物体及其物理属性,并预测物体发生交互后可能出现的变化,使模型能够从视觉观察进一步延伸到对动态物理过程的理解。 在动作生成方面,模型采用世界模型原生 DualAct 架构,将世界建模与动作生成结合起来,使世界模型能够直接输出机器人动作,实现原生动作控制。同时,基于 MOT 架构,动作专家也可以直接、高效地输出动作。双通道动作架构允许开发者根据实际任务灵活定义动作专家的规模,从而提高后训练效率。 数据利用方面,CloudRobo-WM1.2引入多粒度监督数据自适应预训练框架,根据不同数据实际包含的有效信息组织训练监督,降低因局部信息缺失而丢弃整条数据的情况。对于具身模型而言,训练数据往往来自不同设备、不同采集环境,数据完整程度也存在差异。该框架能够兼容缺少动作标注、部分动作维度无效、深度信息缺失以及相机视角不完整等数据,提升异构数据的利用效率,为扩大训练数据规模提供支持。 针对不同机器人之间的动作迁移问题,模型采用本体语义保真的跨具身运动建模方法,为单臂、双臂和轮式等不同形态的机器人建立统一的运动建模方式,同时保留不同本体各自的运动语义,使共享模型能够区分不同机器人的动作特征。这一设计有助于多种机器人共享训练数据和模型能力,改善跨本体任务中的泛化表现。 在推理部署方面,CloudRobo-WM1.2提供 World/Expert Action、Joint/Action-only 四种可按需组合的弹性推理模式。开发者可以根据具体任务的算力资源和推理延迟要求选择不同模式,在模型能力与部署成本之间进行调整。 全面开源、深度开放,具身智能生态建设 除了模型本身,具身智能的产业化还需要解决训练、部署和真实环境运行中的工程问题。 华为云依托昇腾云计算平台,为 CloudRobo-WM1.2提供异构算力支持,并结合 PB 级多模态数据的统一存储、搜索和快速索引能力,以及 AI 框架原生加速能力,覆盖模型从训练到实际作业的工程流程。相关能力涉及仿真冷启动、云原生训练、跨本体适配、持续学习进化和安全可靠运行等环节,旨在降低机器人模型从仿真环境迁移到真实物理环境的工程门槛。 在生态开放方面,华为云表示,将持续投入具身智能模型研发,并开放模型、工具链及相关技术实践,依托昇腾云算力和云原生基础设施,为产业伙伴提供模型开发与训练支持。同时,华为云计划联合机器人本体厂商、模型厂商、高校科研机构及行业客户,共同推进具身智能行业解决方案建设。 此次 CloudRobo-WM1.2的发布和开源,也体现出具身智能竞争正在从单一模型能力向模型、数据、算力和工程体系的综合能力延伸。对于机器人厂商而言,如何利用不同本体的数据开展联合训练,如何将模型能力稳定迁移到真实物理环境,以及如何控制大规模训练和实时推理成本,仍是具身智能走向规模化应用需要解决的关键问题。
这篇文章对您有帮助吗?
订阅66必读
每日精选科技资讯,直达你的邮箱