北京时间本周六上午10:00，与CMU机械工程博士詹霄阳、LoopEva CTO许修为探讨世界模世界模型如何构建机器人的认知闭环！

扫描上方二维码即可报名

2026年，随着大模型能力从语言、图像进一步进入机器人和物理世界，世界模型重新成为AI领域关注的方向。这个概念并不新，它的核心问题可以简单理解为，让AI在内部形成对环境的表征，理解世界当前的状态，并进一步预测“如果采取一个动作，接下来会发生什么”。过去几年，随着视频生成、VLA、机器人学习和仿真技术快速发展，世界模型也逐渐从强化学习中的环境预测工具，走向机器人训练、决策和真实部署。对于具身智能来说，一个重要的问题正在变得越来越具体和值得关注，机器人除了知道“看到了什么”和“应该做什么”，能否进一步理解自己的动作会怎样改变周围的物理世界？

这件事对机器人尤其重要。机器人要在真实环境中持续工作，需要知道眼前有什么，也需要判断自己的动作可能带来什么结果。当前主流的VLA模型可以将视觉、语言指令直接映射到机器人动作，世界模型则进一步引入对环境状态和未来变化的建模，让机器人有机会在执行之前预测结果，并在执行过程中进行规划、评估和纠错。与此同时，传统物理仿真仍然承担着低成本训练和验证的重要角色。未来世界模型、VLA、强化学习和物理仿真究竟会走向统一，还是形成不同模块之间的协作，目前仍然是一个开放问题。

但这种变化已经开始体现在新一代模型架构中。2026年6月，NVIDIA发布Cosmos 3，将物理世界理解、世界生成和动作预测整合进统一的全模态模型，提供64B、16B和4B三个规模，其中4B的Edge版本面向端侧视觉推理和机器人策略部署。Cosmos 3既可以作为视觉语言模型理解现实环境，也可以作为世界模型预测未来状态，还可以成为World Action Model的基础模型。与此同时，Figure的Helix 02已经尝试用统一神经系统连接视觉、触觉和本体感觉，并直接控制全身执行长时程任务。VLA、世界模型和动作模型之间原本相对清晰的边界，正在逐渐靠近。

另一条重要路线，是让世界模型承担机器人训练和评估环境的角色。传统机器人训练高度依赖真机数据和物理仿真，但真实数据采集成本高，传统仿真又需要大量环境建模和物理参数设计。学习型世界模型提供了一种新的补充方式，通过真实机器人轨迹学习环境如何随动作变化，再生成新的交互过程。智元团队2026年发布的Genie Envisioner-Sim 2.0就是这一方向的代表，它基于数千小时真实机器人数据训练，可以根据机器人动作生成未来视频，同时加入状态预测和任务成功判断，用生成出的轨迹继续训练和评估VLA策略。这类工作也让世界模型逐渐从“生成未来画面”进入策略学习和闭环训练。

数据仍然是这一过程中的关键变量。机器人需要的数据不只有视频，还包含动作轨迹、机器人状态、接触信息和不同本体之间的差异。蚂蚁灵波今年发布的LingBot-VLA使用约2万小时真实机器人数据，覆盖9种主流双臂机器人配置，随后LingBot-VLA 2.0又把预训练数据扩大到约6万小时，其中包括5万小时机器人轨迹和1万小时第一视角人类视频。如何利用互联网视频、人类操作数据、仿真数据和真实机器人数据共同训练模型，以及如何让学到的能力跨任务、跨场景、跨机器人本体迁移，正在成为大具身模型竞争的重要问题。

世界模型距离大规模进入真实机器人仍然有不少问题。生成一段视觉上合理的未来，并不意味着模型准确掌握了接触、摩擦、力度和物体状态变化等物理规律。真实机器人数据、仿真数据、互联网视频各自包含的信息不同，怎样把这些数据结合起来，并解决从仿真到现实、从一种机器人本体到另一种本体的迁移，也仍在探索中。而当机器人真正进入工厂和家庭以后，问题还会从“如何训练一个更好的模型”进一步走向“如何让模型在真实环境中持续变好”。实验室里的模型可以反复训练和评测，部署中的机器人则会不断遇到长尾情况和失败案例，需要判断任务是否成功，在失败后自主恢复，必要时接受人工纠偏，再把新的数据回流到训练系统。世界模型、VLA、Agent、传统仿真和真实机器人数据因此可能形成一个持续运行的闭环，模型开发和真实部署也开始变成同一个学习过程的不同阶段。

当机器人开始从“看见并执行”走向“理解、预测、行动和学习”，世界模型究竟会成为下一代具身模型的统一核心能力，还是与VLA、Agent和传统仿真共同组成更复杂的机器人技术栈？机器人能否建立从环境理解、未来预测、动作执行、失败恢复到数据回流的完整闭环，并在真实世界中随着使用持续提高能力？未来几年将是验证世界模型能否从“视频生成器”进化为“可靠的物理直觉引擎”的关键窗口。

8月29日，本周六上午10:00，热爱创新的嘉程资本开启嘉程创业流水席第312席！我们邀请了邀请两位长期从事机器人与具身智能研究和实践的嘉宾：卡内基梅隆大学机械工程博士詹霄阳，极寰时代LoopEva CTO许修为，来深入探讨世界模型正在如何进入真实机器人系统！欢迎各位关注世界模型和具身智能的研发人员、创业者、投资人和行业专家一起参加！

再次邀请上车！

嘉程资本Next Capital是一家专注科技领域的早期投资基金，作为创新者的第一笔钱，我们极度信仰科技驱动的行业创新，与极具潜力的未来科技领袖共同开启未来。