想象一下，機(jī)器人不再只是機(jī)械地執(zhí)行“向前、向左、抓取”的指令，而是在行動前能像人類那樣先“想一想”：我的手這樣伸過去，能碰到杯子嗎？如果夾得太松，杯子會不會在半路滑落？擁有這樣更智能的“大腦”將成為現(xiàn)實(shí)。近日，全球機(jī)器人領(lǐng)域頂級學(xué)術(shù)盛會2026年國際機(jī)器人與自動化會議（ICRA）在奧地利維也納落下帷幕，中國科學(xué)院自動化研究所模式識別實(shí)驗(yàn)室牽頭的聯(lián)合團(tuán)隊(duì)研發(fā)的模型一舉拿下圖像質(zhì)量、動作跟隨兩大核心指標(biāo)全球第一，打破了傳統(tǒng)機(jī)器人智能的技術(shù)桎梏，為世界模型落地真實(shí)機(jī)器人操作場景提供了關(guān)鍵驗(yàn)證。這個模型的突破之處何在？未來將應(yīng)用于哪些場景？《環(huán)球時報》記者采訪了該團(tuán)隊(duì)負(fù)責(zé)人。

中方團(tuán)隊(duì)的世界模型生成效果。（受訪者供圖）

讓機(jī)器人學(xué)會“三思而后行”

在ICRA備受關(guān)注的全球性具身智能挑戰(zhàn)賽的世界模型賽道中，中方團(tuán)隊(duì)研發(fā)的NeoVerse-ABot模型從全球27個國家和地區(qū)的526支頂尖隊(duì)伍中強(qiáng)勢登頂，以0.829的高分?jǐn)孬@冠軍。所謂世界模型，是指人工智能的“內(nèi)部模擬器”，讓它能像人一樣在“腦?！敝型蒲菸磥怼⒁?guī)劃行動。

長期以來，大眾認(rèn)知中的機(jī)器人大多是“所見即所行”的執(zhí)行工具，只能依托實(shí)時視覺感知完成預(yù)設(shè)動作，缺乏對物理世界的理解與預(yù)判能力。一旦遇到空抓、物體滑落、軌跡偏移等非理想場景，傳統(tǒng)機(jī)器人極易出現(xiàn)操作失誤，難以適配復(fù)雜多變的真實(shí)環(huán)境。

在NeoVerse-ABot團(tuán)隊(duì)看來，這是區(qū)分“高級機(jī)器”與“智能體”的關(guān)鍵分水嶺。該團(tuán)隊(duì)成員說，“可以把它理解為機(jī)器人的‘物理想象力’”，傳統(tǒng)機(jī)器人更像是“條件反射”的執(zhí)行者——看到紅色就停止，感受到阻力就后退。它們擅長即時反饋和軌跡跟蹤，卻無法預(yù)判自己行為的長遠(yuǎn)后果。

NeoVerse-ABot模型的核心，就是為機(jī)器人搭建了一座連接“感知”與“決策”的橋梁。它接收兩類信息：一是機(jī)器人當(dāng)前“看到”的場景，二是它“計(jì)劃”執(zhí)行的動作序列。模型的任務(wù)就是精準(zhǔn)預(yù)測接下來環(huán)境、物體和機(jī)械臂之間將會發(fā)生怎樣的連鎖變化。

過去，大家比拼的是誰能生成更好看的視頻，該團(tuán)隊(duì)成員表示，這次ICRA賽道的難點(diǎn)在于，要求模型必須服從動作指令。換言之，模型不能“腦補(bǔ)”出一個畫面精美但動作錯誤的未來。NeoVerse-ABot在圖像質(zhì)量和動作跟隨兩個核心指標(biāo)上均排名全球第一。這意味著，中國團(tuán)隊(duì)開發(fā)的模型不僅能生成高清畫面，更能嚴(yán)格遵循物理規(guī)律，將控制信號準(zhǔn)確轉(zhuǎn)化為物體的運(yùn)動、接觸與狀態(tài)變化。團(tuán)隊(duì)成員表示，這說明在具身智能的關(guān)鍵基礎(chǔ)問題上，中國已具備了與國際頂尖隊(duì)伍同臺競爭并取得領(lǐng)先的系統(tǒng)性能力。

“動作幻覺”威脅很大

在世界模型研發(fā)領(lǐng)域，“動作幻覺”是長期困擾全球科研團(tuán)隊(duì)的核心難點(diǎn)，也是制約機(jī)器人從實(shí)驗(yàn)室走向真實(shí)場景的關(guān)鍵阻礙?！皠幼骰糜X”是指模型脫離機(jī)器人實(shí)際動作指令與物理邏輯，憑借訓(xùn)練數(shù)據(jù)的常見模式“腦補(bǔ)”理想化結(jié)果，出現(xiàn)“空抓卻顯示抓取成功”等虛假畫面。這種視覺逼真但邏輯失真的問題，會導(dǎo)致機(jī)器人低估操作風(fēng)險、做出不安全動作，威脅工業(yè)、民生服務(wù)等場景的設(shè)備、物品與人身安全。

在備賽過程中，該團(tuán)隊(duì)將破解“動作幻覺”作為核心攻堅(jiān)方向。團(tuán)隊(duì)摒棄“失敗樣本是訓(xùn)練噪聲”的傳統(tǒng)認(rèn)知，明確真實(shí)場景的失敗軌跡、偏移動作、交互誤差都是極具價值的監(jiān)督信號。該團(tuán)隊(duì)系統(tǒng)梳理海量遙操作數(shù)據(jù)，重點(diǎn)挖掘夾空、滑落、補(bǔ)夾等失敗片段，提升這類長尾樣本在訓(xùn)練體系中的權(quán)重，讓模型充分學(xué)習(xí)真實(shí)物理交互的完整結(jié)果分布。

與此同時，該團(tuán)隊(duì)創(chuàng)新引入強(qiáng)化學(xué)習(xí)反饋機(jī)制，重構(gòu)模型評價體系。區(qū)別于傳統(tǒng)模型僅獎勵畫面清晰度、流暢度的單一標(biāo)準(zhǔn)，該機(jī)制重點(diǎn)獎勵動作匹配、因果合理、物理合規(guī)的生成結(jié)果，大幅強(qiáng)化模型對機(jī)器人控制信號的敏感度，從根源抑制虛假生成問題。經(jīng)過多輪迭代優(yōu)化，NeoVerse-ABot能夠精準(zhǔn)區(qū)分成功操作與失敗交互，在非理想場景中真實(shí)預(yù)判物體原位留存、中途滑落等實(shí)際結(jié)果，擺脫“默認(rèn)成功”的固有缺陷。

賽場突圍賦能產(chǎn)業(yè)

當(dāng)前，具身智能已列入我國“十五五”規(guī)劃重點(diǎn)發(fā)展的未來產(chǎn)業(yè)。NeoVerse-ABot的奪冠不僅是學(xué)術(shù)勝利，更被視為中國機(jī)器人產(chǎn)業(yè)安裝“智能大腦”的關(guān)鍵一步。

放眼全球，國際頂尖模型均將可交互、可預(yù)判、可模擬的世界模型作為下一代AI核心發(fā)力方向，全球技術(shù)競爭日趨激烈。該團(tuán)隊(duì)負(fù)責(zé)人表示，客觀來看，世界模型仍處于快速迭代階段，我國尚未實(shí)現(xiàn)全面領(lǐng)跑，但在具身智能世界模型這一細(xì)分關(guān)鍵領(lǐng)域，中國團(tuán)隊(duì)已徹底擺脫單純跟隨局面，在動作精準(zhǔn)跟隨、失敗場景建模、工程化落地等核心維度，實(shí)現(xiàn)了與國際頂尖隊(duì)伍并跑、局部領(lǐng)先。

從國內(nèi)產(chǎn)業(yè)發(fā)展維度來看，此次技術(shù)突破精準(zhǔn)補(bǔ)齊了中國機(jī)器人產(chǎn)業(yè)的核心短板。目前，我國機(jī)器人核心零部件國產(chǎn)化進(jìn)程持續(xù)提速，硬件產(chǎn)業(yè)生態(tài)日趨完善，但缺乏高精度、高可靠的“智能大腦”，這長期制約產(chǎn)業(yè)從樣機(jī)展示走向規(guī)?；涞?。傳統(tǒng)機(jī)器人研發(fā)依賴真機(jī)試錯，數(shù)據(jù)采集成本高、長尾場景覆蓋難、迭代周期長，而NeoVerse-ABot可作為高可信“神經(jīng)仿真器”，通過虛擬環(huán)境預(yù)演生成海量物理真實(shí)的訓(xùn)練數(shù)據(jù)，大幅降低真機(jī)試錯成本，加速機(jī)器人策略迭代與場景落地。

長遠(yuǎn)來看，這項(xiàng)技術(shù)擁有極為廣闊的應(yīng)用前景，將全面賦能多領(lǐng)域智能升級。在工業(yè)制造場景，可助力柔性生產(chǎn)機(jī)器人適配多樣零件與復(fù)雜工序，預(yù)判操作風(fēng)險、提升生產(chǎn)柔性；在倉儲物流、商業(yè)服務(wù)場景，能讓高頻次、多場景作業(yè)機(jī)器人自主調(diào)整策略、規(guī)避失誤；在家庭服務(wù)、養(yǎng)老醫(yī)療、特種作業(yè)等開放場景，可保障人機(jī)交互安全，提升機(jī)器人環(huán)境適配能力。此外，該技術(shù)還可延伸應(yīng)用至自動駕駛、低空智能、科學(xué)實(shí)驗(yàn)自動化等領(lǐng)域，成為通用智能體理解、適配真實(shí)世界的核心基礎(chǔ)能力。

該團(tuán)隊(duì)表示，對于中國具身智能產(chǎn)業(yè)發(fā)展，此次奪冠是一個全新起點(diǎn)。未來團(tuán)隊(duì)將持續(xù)深化技術(shù)研發(fā)，推進(jìn)世界模型與大規(guī)模強(qiáng)化學(xué)習(xí)、在線規(guī)劃算法的深度融合。一方面優(yōu)化模型推理速度，適配機(jī)器人閉環(huán)實(shí)時控制需求；另一方面完善虛擬仿真訓(xùn)練體系，降低產(chǎn)業(yè)落地門檻。隨著核心技術(shù)的持續(xù)突破，中國具身智能產(chǎn)業(yè)將告別“重硬件、輕智能”的發(fā)展困境，依托數(shù)據(jù)、工程、場景的系統(tǒng)性優(yōu)勢，在全球AI新一輪競賽中持續(xù)搶占先機(jī)，開啟智能機(jī)器人規(guī)?；?、實(shí)用化發(fā)展的全新篇章。