华为云发布并开源昇腾原生具身世界模型CloudRobo-WM1.2,两项基准评测登顶

基于国产先进算力,也可以训练出世界领先的具身世界模型。

11月16日,华为云“行业AI梦工厂”发布并开源昇腾原生的具身世界模型CloudRobo-WM1.2。该模型采用共享世界模型骨干网络实现预测增强的世界表征,基于世界模型原生DualAct架构实现原生动作生成,在RoboTwin 2.0、Libero Pro 2.0两项评测中均位列第一。这两项基准由多家国内高校与科研机构推出,是全球具身世界模型的主流评测平台。

华为云方面表示,这一成绩意味着基于国产先进算力同样可以训练出世界领先的具身世界模型。发布会同时公布开放策略:CloudRobo-WM1.2模型本身开源,训练框架工程代码与WAM昇腾算力代码库则面向核心合作伙伴定向开放。普通开发者可获得模型及从复现到二次训练的完整起点,核心伙伴则进一步掌握在国产算力上训练世界模型的完整工程方法。这种分层开放策略在国产世界模型阵营中尚无先例。

“昇腾原生”是本次发布的核心信息之一。世界模型是当前算力消耗最高的AI负载之一,此前全球顶级世界模型的完整训练链路主要在英伟达CUDA和谷歌TPU生态上跑通。昇腾原生意味着从核心算子、训练框架到模型架构在国产算力上完成整链路协同优化并实际跑通。华为云同时披露,昇腾云在中国具身智能市场占有率位居第一,80%的中国具身智能企业选择昇腾云,重点高校基本实现全覆盖。

具身智能行业过去一年热度持续走高,但基准测试数据揭示了模型能力的实际短板。视觉系统在遮挡条件下关键目标检测得分从68%跌至28%,中等相机遮挡下3D检测mAP从35.6滑至20.9;镜头位置变化时,习惯固定机位的模型正确率从62.72%降至7.62%。对运动的理解同样薄弱,部分模型对物体位置理解接近满分,对速度的理解仅为0.42/1,物理推理正确率低至19%。在IntPhys 2基准上,几乎所有模型均未达到60%的及格线,人类受试者普遍可达96.44%。

认知与行动之间的衔接也存在结构性矛盾。深度绑定方案保留物理直觉但响应速度达不到实时控制门槛;拆分方案将延迟压至几十毫秒,却需额外对齐模块弥补成功率缺口;分层设计兼顾两端,代价是系统复杂度与协同成本上升。三条路线均难以低成本同时兑现判断质量与反应速度。

数据层面,真机数据被业内视为不可替代的标尺,掺入10%即可显著拉升成功率,但采集成本在每小时500至2000元之间,完整标注难以批量完成。训练管线若对模态齐全度要求过严,存量视频、动作轨迹与传感器记录便无法进入训练。硬件差异进一步放大数据难题:不同本体数据在数值空间直接拼接,实测成功率可从98%塌方至18%,语义层面的动作对齐成为可行路径。算力方面,世界模型单次决策耗时从数百毫秒到数秒,渲染一段未来影像消耗接近20GiB显存,与机器人实时响应要求存在一到两个数量级的时延断层。

针对上述瓶颈,CloudRobo-WM1.2给出五项对应技术能力。视觉感知方面,PPA多模态世界表征架构将RGB视频、语义特征、深度信息与点云纳入同一框架,并引入面向未来状态的多模态预测监督,使模型在识别物体的同时预判物理交互结果。动作生成方面,DualAct双路径架构在同一世界理解骨干下构建两条路径:世界生成器负责高精度动作预测,动作专家负责高效直接的动作生成,两条路径采用统一动作监督目标。数据利用方面,多粒度监督数据自适应预训练框架不再要求样本模态齐全,按数据实际具备的有效信息组织监督,兼容动作标注缺失、深度或视角不完整的数据。跨本体泛化方面,模型保留机器人96维与人类168维运动的原生物理语义,通过Embodiment条件化让共享模型学习不同本体的动作表达,而非在数值空间强行统一。

从行业格局看,全球公开入场的世界模型公司已达55家,国内公开的世界模型数量为59个,谷歌、英伟达、智元、星海图、智源、腾讯、阿里等均已布局。华为云此次发布同时打出三张牌:登顶的开源具身世界模型、分层开放的具身智能开发生态,以及国产算力基座承载最高强度AI负载的验证。对具身智能企业而言,国产算力链路跑通世界模型训练,意味着在算力供给上多了一条可选项;对行业而言,世界模型的竞争正从单一模型能力转向算力、数据管线与开发生态的系统性比拼。

该文观点仅代表作者本人,企服科学平台仅提供信息存储空间服务。

赞 (0)
调查显示63%零售商已在客户沟通中部署AI,仅26%消费者认为其有效
上一篇 2小时前
AWS开源本地模拟器,支持200余项服务的离线测试
下一篇 1小时前

相关推荐

发表回复

登录后才能评论
分享本页
返回顶部