华为云开源CloudRobo-WM1.2:两项评测第一,11月30日开放权重
11 月 16 日,华为云发布了昇腾原生具身世界模型 CloudRobo-WM1.2,并表示将在 11 月 30 日开放该模型权重、推理代码和后训练代码。该模型采用共享世界模型骨干网络,通过预测增强世界表征,并基于世界模型原生 DualAct 架构实现动作生成。据华为云介绍,CloudRobo-WM1.2 在 Robo
11 月 16 日,
华为云推出昇腾原生具身世界模型 CloudRobo-WM1.2。按计划,该模型的权重、推理代码和后训练代码会在 11 月 30 日对外开放。模型走的是共享世界模型骨干网络这条路线,先靠预测增强世界表征,再由世界模型原生的 DualAct 架构完成动作生成。华为云方面称,CloudRobo-WM1.2 在 RoboTwin 2.0 与 LiberoPro 2.0 两项评测里都拿到第一。
五大核心技术突破,加速具身智能规模化落地
机器人要想从实验室走进真实物理环境,光能看懂画面、听懂指令还不够。它得弄明白物体之间的物理关系,预判交互之后会发生什么,再把这些认知落成具体动作。眼下的难点不少:多模态物理信息不好理解,世界认知和动作生成之间接得不紧,异构数据的利用效率有限,不同形态机器人之间的能力迁移也有障碍。另外,实时推理对算力和部署成本的要求都不低。
围绕这些难点,CloudRobo-WM1.2 从世界表征、动作生成、数据训练、跨本体泛化和推理部署五个方向做了技术设计。
世界表征这一块,CloudRobo-WM1.2 用的是 PPA(Predictive Physical-aware Architecture)多模态世界表征架构。它没有停留在靠静态图像识别环境的老路子上,而是要让模型搞懂物体和它的物理属性,预判交互之后物体可能怎么变。这样一来,模型对物理过程的理解就从视觉观察延伸到了动态层面。
动作生成方面,模型采用世界模型原生 DualAct 架构,把世界建模和动作生成拧在一起,世界模型可以直接吐出机器人动作,做到原生动作控制。同时,基于 MOT 架构,动作专家也能直接、高效地输出动作。这套双通道动作架构把动作专家的规模交给开发者按实际任务灵活定义,后训练效率因此提高。
数据利用上,CloudRobo-WM1.2 引入多粒度监督数据自适应预训练框架,按每条数据实际含有的有效信息来安排训练监督,局部信息缺失就整条丢弃的情况于是减少了。具身模型的数据通常来自不同设备、不同采集环境,完整程度参差不齐。该框架能兼容没有动作标注、部分动作维度无效、深度信息缺失、相机视角不完整等数据,异构数据的利用率随之提升,训练数据规模也更容易扩大。
不同机器人之间的动作迁移,靠的是本体语义保真的跨具身运动建模方法。它为单臂、双臂、轮式等不同形态的机器人建立统一的运动建模方式,又保留各本体自己的运动语义,共享模型因此能区分不同机器人的动作特征。多种机器人共享训练数据和模型能力有了基础,跨本体任务的泛化表现也有望改善。
推理部署上,CloudRobo-WM1.2 提供 World/Expert Action、Joint/Action-only 四种弹性推理模式,可按需组合。开发者依照具体任务的算力资源和推理延迟要求挑模式,在模型能力与部署成本之间找平衡。
全面开源、深度开放,具身智能生态建设
模型之外,具身智能要产业化,训练、部署和真实环境运行中的工程问题同样得解决。
华为云依托昇腾云计算平台,为 CloudRobo-WM1.2 提供异构算力支持,再配合 PB 级多模态数据的统一存储、搜索和快速索引能力,以及 AI 框架原生加速能力,把模型从训练到实际作业的工程流程串了起来。这些能力覆盖仿真冷启动、云原生训练、跨本体适配、持续学习进化和安全可靠运行等环节,目的是压低机器人模型从仿真环境搬到真实物理环境的工程门槛。
生态开放方面,华为云表示会持续投入具身智能模型研发,开放模型、工具链及相关技术实践,并以昇腾云算力和云原生基础设施为产业伙伴提供模型开发与训练支持。华为云还计划拉上机器人本体厂商、模型厂商、高校科研机构及行业客户,一起推进具身智能行业解决方案建设。
CloudRobo-WM1.2 的发布和开源,也说明具身智能的竞争正从单一模型能力,转向模型、数据、算力和工程体系的综合能力。对机器人厂商来说,怎么用不同本体的数据做联合训练,怎么把模型能力稳定迁移到真实物理环境,怎么控制大规模训练和实时推理的成本,仍是具身智能走向规模化应用绕不开的关键问题。