华为云“行业AI梦工厂”发布并开源昇腾原生具身世界模型CloudRobo-WM1.2
【TechWeb】11月16日消息,今天,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,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,实现了世界模型原生动作生成,在RoboTwin 2.0、LiberoPro 2.0 评测中均位列第一。 五
11月16日消息,
华为云“行业AI梦工厂”宣布发布并开源昇腾原生的具身世界模型CloudRobo-WM1.2。该模型用共享世界模型骨干网络做预测增强的世界表征,动作生成则基于世界模型原生的DualAct架构,在RoboTwin 2.0、LiberoPro 2.0两项评测中均排名第一。
五项核心技术上的突破,正推动具身智能从实验室走向规模化落地。
具身智能要走出实验室、进入真实物理世界,难点不少:多模态物理理解不容易,世界认知与动作生成难以解耦,异构数据很难规模化利用,跨本体泛化不易,实时推理的算力成本又偏高。
围绕这些难题,CloudRobo-WM1.2搭起五项核心技术,在世界建模、动作生成、数据规模化学习和工程部署几个方向持续推进,为具身智能从模型研究迈向复杂物理场景应用打下技术底子。
第一项是PPA多模态世界表征架构。模型不只认得出物体,还能预判物理交互会带来什么结果——机器人由此从“看得懂一张静态照片”,进阶到“看得懂一场正在发生的4D动作电影”。
第二项是世界模型原生DualAct架构。世界模型直接输出高精度动作,原生完成机器人动作控制;在MOT架构之上,动作专家同样能直接、高效地输出动作。双通道动作架构的设计,让开发者可以灵活设定动作专家的尺寸,后训练效率随之提高。
第三项为多粒度监督数据自适应预训练框架。它按数据实际携带的有效信息来组织监督,不让有价值的数据因为局部缺失就被丢掉,从而释放异构数据的Scaling潜力。动作标注缺失、部分维度无效、深度缺失、相机视角不完整等数据,都能被兼容进来。
第四项是本体的语义保真跨具身运动建模。它为单臂、双臂、轮式等不同形态的机器人配了统一的“动作翻译器”,共享模型因此能分辨各机器人各自的“运动语言”,多本体协同学习得以支持,跨本体泛化能力也随之增强。
第五项是World/Expert Action、Joint/Action-only四种可按需组合的弹性推理模式。四种模式可自由搭配,客户对算力资源和推理延迟的要求能按需匹配。
这五项核心技术一起支撑CloudRobo-WM1.2在世界建模、动作生成、数据规模化学习和工程部署上不断演进,为具身智能从模型研究走向复杂物理场景应用提供技术基础。
全面开源、深度开放,加上三大开放承诺,华为云要拉大家一起建具身智能生态。
围绕具身智能,华为云搭的是“技术深耕+开放赋能+生态共建”三位一体的战略:一边持续投入核心技术、推动模型迭代升级,一边借昇腾云算力把模型与工具链全面开放给产业伙伴,再汇聚生态优势共建行业解决方案,让具身智能在千行百业加速规模化落地。
坚定投入:继续深耕具身智能模型的核心技术,推动模型能力迭代升级,不断拿出有行业竞争力的具身智能模型。
全面开放:模型、工具链及技术实践持续对外开放,借助昇腾云的先进算力与云原生基础设施,帮产业伙伴和客户高质量、高效率地开发和训练具身智能模型。
共建共享:把平台的连接与赋能价值用足,汇集模型厂商、本体厂商、高校科研机构及行业伙伴各自的长处,一起建行业解决方案,加速具身智能在千行百业的规模化落地。
六大产业落地工程能力,推动具身智能走向规模落地。
基于华为云昇腾云计算平台,CloudRobo-WM1.2把异构算力、PB级多模态数据的统一存储、搜索与快速索引,以及AI框架原生加速融到一起,为具身智能提供六大工程能力:仿真冷启动、云原生训练、跨本体适配、持续学习进化、安全可靠运行,覆盖从模型推理到真实物理作业的全过程。
华为云想打造的是最懂具身、最先进、最开放的“硅基黑土地”;它联合本体厂商、模型伙伴、高校科研机构与行业客户,以开放共建、能力共享的方式,推动机器人技术从实验室走向千行百业,加快规模化产业落地。