2026世界人工智能大會日前在上海落下帷幕，虛擬世界數(shù)百家機器人企業(yè)和科研機構(gòu)同臺“論劍”，讓機集中展示了具身智能前沿技術(shù)的器人最新進展。在這場行業(yè)盛會中，練出來自廣東的真本自變量機器人科技（深圳）有限公司（以下簡稱“自變量機器人”）憑借家庭服務(wù)、物流分揀等多場景落地應(yīng)用，事自成為現(xiàn)場焦點。變量

　　大會落幕數(shù)日，發(fā)布8月27日，虛擬世界自變量機器人對外正式發(fā)布WALL-SS，讓機即下一尺度自回歸世界模型。器人該模型突破傳統(tǒng)擴散模型以單片段生成視頻的練出方式，創(chuàng)新采用“下一尺度自回歸”架構(gòu)，真本為機器人搭建了一個符合物理規(guī)律的事自“虛擬世界”：機器人先在這裏預(yù)演動作、驗證策略，變量練出成熟本領(lǐng)後，再走上真實“舞臺”執(zhí)行任務(wù)。這一路徑有望大幅降低真實環(huán)境中的試錯成本，縮短機器人策略的開發(fā)與篩選周期。

　　具體而言，WALL-SS實現(xiàn)了三方麵突破：一是預(yù)測錨定動作，生成的未來畫麵嚴格遵循動作指令；二是長時間穩(wěn)定，長時推演下畫麵與物體狀態(tài)始終保持連貫；三是結(jié)果可驗證，在虛擬世界中驗證的動作，可作為真實世界中的有效參考。

WALL-SS學習“動作—畫麵變化”的物理規(guī)律，並通過下一尺度自回歸，從粗到精生成未來畫麵。

　　預(yù)測畫麵不聽動作“指揮”？

　　WALL-SS讓動作真正控製畫麵生成

　　現(xiàn)有世界模型在預(yù)測未來狀態(tài)時，往往高度依賴對背景和物體的先驗?zāi)Ｊ剑鴮幼餍盘柕募毼⒆兓粔蛎舾小Ｒ詸C械臂抓取杯子為例，手指位置相差1毫米，在物理世界中就可能導致“成功抓起”與“撞翻杯子”兩種截然不同的結(jié)果；但由於兩種情況在視覺上高度相似，模型極易忽略這一細微偏差，轉(zhuǎn)而依據(jù)視覺慣性和先驗經(jīng)驗，生成“穩(wěn)穩(wěn)抓住杯子”的虛假結(jié)果。

　　對此，WALL-SS提出“尺度對齊的動作條件注入”，將機器人動作指令嚴格對齊到不同生成尺度之中，使動作從生成畫麵的“輔助信號”轉(zhuǎn)變?yōu)楸仨氉裱暮诵臈l件。在畫麵預(yù)測的各個尺度上，動作均直接參與決策——粗尺度決定機器人的大致位置，精尺度決定手指是否合攏，動作信號貫穿畫麵生成的全過程。與此同時，WALL-SS統(tǒng)一動作與畫麵的時間軸和坐標係，並通過多攝像頭信息協(xié)同，確保動作、視角與畫麵狀態(tài)始終一致。　　

　　分別輸入向左、向前、向右三種動作指令，藍色實線為指令軌跡，橙色實線為生成軌跡，兩者高度重合，表明模型生成能夠遵循動作指令。

　　實驗數(shù)據(jù)顯示，在“動作跟隨”測試中，WALL-SS得分達到0.29，是所有對比模型中唯一得分不為零的模型，而此前模型均難以使預(yù)測畫麵中的虛擬機器人遵循給定動作指令；生成視頻與給定動作軌跡指令的重合度亦從0.251提升至0.539，提升幅度達115%。

　　時間一長畫麵就崩壞？

　　WALL-SS讓模型分層處理記憶

　　長時間穩(wěn)定預(yù)測是世界模型麵臨的另一大挑戰(zhàn)。模型需要連續(xù)生成未來的多個畫麵，而後續(xù)畫麵又建立在此前的預(yù)測之上，任何細微誤差都會不斷累積，最終導致預(yù)測崩潰——物體突然消失、桌麵扭曲變形、機器人手中的物體瞬間回到原位。

　　對此，WALL-SS提出“尺度壓縮的長時間跨度記憶”：越近的記憶保留得越精細，越久遠的則壓縮為更粗的粒度。例如，模型可以記住機器人幾秒前“用左手抓住了杯子”、幾十秒前“移動到了桌子旁邊”，而對更久遠的信息，隻需保留“場景中有桌子和杯子”這樣的概括。如此一來，無論推演多久，模型的內(nèi)存占用始終恒定。此外，自變量還提出“尺度級夢境強迫”訓練機製，在訓練時故意給模型“喂錯題”，讓模型學會從錯誤中恢複，在推理過程中及時發(fā)現(xiàn)並修正誤差。

WALL-SS推演至60秒，畫麵仍保持清晰，物體位置穩(wěn)定；通用視頻模型在約30秒後物體消失。

　　在“流式推演”測試中，WALL-SS能穩(wěn)定推演60秒，畫麵依然清晰，物體位置也保持準確。作為對照，僅保留最近幾幀信息的模型，推演20至30秒後就開始出現(xiàn)明顯的畫麵崩壞。

　　虛擬世界預(yù)測“不足信”？

　　WALL-SS讓模型成為可靠“試驗場”

　　在虛擬世界中驗證成功的動作策略，到了真實世界是否依然有效，是世界模型麵臨的第三個關(guān)鍵問題。世界模型預(yù)測未來的目的，正是為物理世界中的動作提供依據(jù)；一旦虛擬世界與真實世界存在明顯偏差，預(yù)測結(jié)果便難以支撐機器人的實際決策。

　　對此，WALL-SS提出“視覺動力學的在線策略對齊”，讓模型在自己預(yù)測的軌跡上通過強化學習反複練習、持續(xù)修正，不斷縮小虛擬世界預(yù)測與物理現(xiàn)實之間的差距。

　　在“閉環(huán)策略一致性”測試中，自變量在6個任務(wù)、5個訓練階段分別驗證，同一策略在虛擬世界與真實世界中的任務(wù)成功率吻合度達到93%。這表明，虛擬世界中的測試結(jié)果已具備較高的現(xiàn)實參考價值，世界模型由此可以成為檢驗機器人動作策略的“試驗場”，大幅提升篩選效率。　　

同一個策略在虛擬世界與真實世界中分別測試，任務(wù)成功率高度吻合，相關(guān)係數(shù)達到0.93。

　　此外，WALL-SS的同一個網(wǎng)絡(luò)兼具模擬器與規(guī)劃器雙重角色：模擬器依據(jù)給定動作預(yù)測未來，規(guī)劃器依據(jù)任務(wù)目標自主生成動作路徑，“生成方案—驗證效果—篩選最優(yōu)”的閉環(huán)可在同一模型內(nèi)完成。模型還內(nèi)置動作解碼頭，能夠直接從預(yù)測的未來畫麵中輸出機器人下一步動作——這使WALL-SS不僅是預(yù)測與仿真的“虛擬試驗場”，更能直接驅(qū)動機器人執(zhí)行任務(wù)。

　　對具身智能而言，真正走向現(xiàn)實世界、服務(wù)於人，最大的挑戰(zhàn)之一在於試錯：真實環(huán)境中的試錯成本高、周期長，且存在風險。世界模型的意義，正是讓機器人在動手之前“先想一步”——提前推演不同動作帶來的結(jié)果，再擇優(yōu)執(zhí)行。而WALL-SS讓這一過程更可信、更穩(wěn)定、更接近真實，有望大幅縮短機器人策略開發(fā)與篩選的周期。

　　從更長遠看，WALL-SS帶來的不隻是一項世界模型技術(shù)的突破，更是一條低成本、高效率的機器人能力成長路徑：先在虛擬環(huán)境中學習與驗證，再將成熟的操作能力遷移到家庭、工廠和養(yǎng)老院等真實場景，讓機器人擁有服務(wù)千家萬戶的能力。