索辰科技加碼世界模型前沿技術，與戰略投資企業美夢空間聯合發布具身模型與物理測評标準

　　當下，具身智能的商業化路線正撞上一堵牆。

　　北大與BeingBeyond聯合發布的BeTTER基準(ECCV 2026)戳破了這層窗戶紙：最先進的VLA模型在标準靜态測試中表現尚可，一旦引入空間布局偏移或時序外推等幹預，成功率斷崖式下跌。另一項斯坦福大學研究則直接鎖定了病因：在接觸豐富任務中，VLA存在“精度失效”與“力失效”兩個相互獨立的失效模式。

　　換句話說，VLA驅動下的機器人隻知道“看到杯子就該抓”，但不知道“杯壁有多薄、摩擦力夠不夠、注水後重心會不會偏”。它本質上是個統計學模仿者，不是物理世界的參與者。

　　當VLA的局限逐漸暴露，“世界模型”開始成為具身智能跨越商業化“奇點”的新叙事。

　　第五屆全球數字貿易博覽會上，杭州美夢空間科技有限公司(Memo)給具身智能補上了這堂“物理課”。教具是兩份：全球首個具備物理感知能力的Physical-WAM物理-世界動作模型，以及業内首個RoboTwin-Phys物理漂移評測基準——一個負責讓機器人“懂物理”，具備人類式的預判能力，一個驗證它是否真的“懂了”。

　　美夢空間專注于世界模型的研發與應用，由北京大學信息技術高等研究院高文院士領銜的AVS先進視覺系統研究中心孵化，核心團隊在具身智能、視頻編解碼、空間計算、人工智能領域積累了深厚的研究經驗，兼具學術深度與工程落地能力。2026年8月，物理AI頭部企業索辰科技(688507.SH)完成對美夢空間獨家種子輪戰略投資，雙方在數據、算力、物理AI等技術層面深度協同，共同推進世界模型研發與産業應用落地。而Physical-WAM和RoboTwin-Phys正是雙方攜手給業界帶來的一張新答卷。

　　Physical-WAM：讓具身智能“理解”物理

　　具身智能向前推進時，首先撞上的是訓練信号的源頭。

　　計算機視覺與大語言模型領域獲取訓練樣本的邊際成本較低，網頁文檔、圖片視頻可以通過互聯網獲取标注。

　　機器人物理交互數據的生産邏輯則完全不同。有效的物理交互樣本誕生于真實或高保真仿真的接觸過程：抓取、推撥、按壓，每一次有效交互都伴随真機運動、接觸反饋和物體狀态改變。這類數據采集周期長，硬件損耗成本高，不同機器人本體之間還存在明顯的數據遷移壁壘。

　　由此形成客觀現實，機器人可用的真實物理交互樣本僅維持在百萬量級，和文本圖像領域數十億級别的數據體量相比，存在數萬級别的落差。

　　面對數據供給的現實約束，美夢空間提出Physical-WAM作為針對性解法。整套架構的核心設計，是在感知信号輸入和動作輸出鍊路之間，插入一層“物理Token”表征。

　　傳統世界模型的中間表征是像素或隐空間向量。它雖然可以推演物理世界的演化，但無法感知物理本身——知道“下一幀畫面會變成什麼樣”，卻不知道“為什麼會變成這樣”。Physical-WAM作為業内首個具備物理感知能力的WAM基模，基于可觀測數據與深層物理數據訓練，能在真實任務中實時覺察物理變化，并預判動作後果、實時修正行為。

　　Physical-WAM由PhysLens、PhysDream、PhysAct三個模塊構成，形成“感知→預測→生成→修正”的反饋鍊條。

　　PhysLens是“物理翻譯器”，從多模态感知信号中提取摩擦、重量、重心、接觸狀态等不可直接觀測的物理信息，輸出統一的物理Token表征。對照來看，現有VLA學到的是反應式的觀測到動作映射，模型知道何時該伸爪、旋轉或松手，卻不顯式推斷物體有多重、表面是否濕滑。PhysLens要補的正是這層顯式估計。

　　PhysDream是“物理預言家”，結合當前物理表征、環境狀态和候選動作推演未來物理狀态，預測打滑、脫手等風險并給出不确定性評估。PhysAct則負責物理條件化動作生成，把物理屬性與未來狀态預測引入動作生成，當環境發生物理漂移時自動調整執行策略。

　　舉一個直觀的例子：機器人抓握紙杯時，PhysLens識别出紙杯材質的低剛度特性，PhysDream預測注水後負載增加可能導緻杯壁形變或滑脫，PhysAct據此調整抓握力度和接觸位置，在注水過程中持續修正策略，直至完成操作。

　　這不再是簡單的動作複現，而是像人類一樣，憑借“物理直覺”随機應變。

　　RoboTwin-Phys：把物理擾動變成可控變量

　　技術路線的競争最終需要評測來裁決。

　　現有的具身智能評測基準存在一個結構性盲區：它們測量的是“任務完成度”，而非“物理适應度”。一個模型可以在固定摩擦系數、固定物體質量的标準測試集上刷出高分，卻對物理參數的擾動毫無魯棒性。

　　比如，同等推力下，高摩擦的罐子原地傾倒，低摩擦的罐子直接滑飛;夾持擀面杖同一位置，重心偏移就會引發杆體擺動。這些現實世界中大量司空見慣的“物理漂移”，卻很難在傳統測評中得到有效驗證。一項能力無法被度量，模型的疊代優化就失去了錨點。

　　模型之外，美夢空間的第二個答案是重新建立一把評測标尺——RoboTwin-Phys物理漂移測評基準。這是業内首個以物理因素擾動為核心評測對象的機器人操作基準，能夠把現實中抽象的物理參數，轉化為可控、可标記、可複現的變量。

　　這套評測基準遵循三層遞進邏輯：物理屬性推斷準不準、物理擾動下任務還成不成、性能差距的上界在哪裡。它在RoboTwin的基礎上，新增了13類真實世界常見的物理擾動因素，從物體屬性、接觸屬性、阻尼、任務環境到相機配置五大維度，支持單因素擾動到多因素組合擾動測評。

　　其工程價值主要體現在三點。第一，提供物理真值——物理值、接觸力日志、物體運動學數據和失敗時間線，使評測不隻回答“成沒成功”，還能追問“模型是否估計對了、何時開始失敗”。第二，固定種子配對評估，讓不同模型面對相同擾動實例，減少運氣成分。第三，按推斷準确性、擾動下任務成功率、性能上界逐層遞進，區分“物理狀态識别錯了”和“識别對了但動作策略沒跟上”。這等于在“感知—預測—生成”鍊條每一環各設了一個考位。

　　RoboTwin-Phys發布即開源，項目代碼、數據集與排行榜全部開放，支持第三方驗證複現，為行業立起一把衡量“物理AI”的标準化标尺。

　　物理感知的下一步：邊界探索與縱深推進

　　“世界模型”本身仍是一個尚未收斂的概念，學術界至今沒有統一的技術定義。計算機視覺研究者把它理解為視頻生成，機器人領域把它當成狀态預測器，強化學習圈子則從MBRL出發将其視為環境代理。

　　畢馬威2026年7月發布的《跨越奇點：世界模型如何重塑具身智能産業與商業新範式》報告，提供了一個更清晰的坐标系：表征式世界模型回答“世界是什麼”，生成式世界模型回答“世界會變成什麼”，交互式世界模型回答“改變世界會發生什麼”，而理解-生成-預測一體化世界模型則試圖回答“如何理解、預測并自主改變世界”。

　　可以看到，美夢空間Physical-WAM為物理AI探索了一條可行的技術路徑，并仍在持續拓展能力邊界。

　　第一，物理Token的粒度邊界在哪?摩擦、質量、重心是三個高度抽象的參數，但真實接觸中還存在表面粗糙度的各向異性、材料的非線性彈性行為、接觸面積的動态變化。當前表征能力的上限，需要更系統的消融研究來回答。

　　第二，跨本體的物理遷移效率如何?同一個物體，二指夾爪和靈巧手抓取所需的動作策略不同。物理參數到動作的映射，高度依賴末端執行器的形态與動力學特性。多本體适配的一緻性和效率，是檢驗架構泛化能力的關鍵指标。

　　第三，仿真物理的保真度天花闆在哪?PhysDream的推演精度受限于仿真引擎的物理保真度和真實傳感器的噪聲水平。當真實世界存在仿真無法建模的效應，比如織物的非線性大變形、顆粒材料的流動等，那麼這套閉環的魯棒性邊界在哪裡?

　　圍繞這些方向，美夢空間的下一步路線将圍繞“視覺先行，力觸聲遞進”持續疊代多模态物理表征模型，擴充物理交互數據集，優化模型推理延遲與多本體适配能力，并聯合産業鍊上下遊補齊物理數據、世界模型、評測标準三塊拼圖。

　　“隻有讓機器人真正讀懂物理世界，具身智能才能大規模從實驗室走向真實産業場景。”美夢空間CEO李明昊表示，将以開源開放的态度，推動行業加速走向具身智能的“GPT時刻”。