华为云开源CloudRobo-WM1.2:两项评测居首,11月30日开放权重
在世界建模、动作生成、数据规模化学习和工程部署等方面持续演进
11 月 16 日,
华为云推出昇腾原生具身世界模型 CloudRobo-WM1.2。按照计划,模型权重、推理代码和后训练代码会在 11 月 30 日对外开放。该模型以共享世界模型骨干网络为基础,借助预测增强世界表征,动作生成则依托世界模型原生 DualAct 架构完成。华为云方面称,CloudRobo-WM1.2 在 RoboTwin 2.0 与 LiberoPro 2.0 两项评测中都排在第一。

五大核心技术突破,加速具身智能规模化落地
机器人要想走出实验室、进入真实的物理环境,光有视觉识别和指令理解还不够。它得弄明白物体之间存在怎样的物理关系,预判交互会产生什么结果,再把这些认知落到具体动作上。这一过程眼下卡点不少:多模态物理信息难以理解,世界认知与动作生成之间衔接不紧,异构数据的利用效率偏低,不同形态机器人之间的能力迁移也是难题。实时推理对算力和部署成本的要求同样不低。围绕这些环节,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。
世界表征上,CloudRobo-WM1.2 用的是 PPA(Predictive Physical-aware Architecture)多模态世界表征架构。常见做法主要靠静态图像识别环境,这套架构走的是另一条路:让模型看懂物体和它们的物理属性,预判交互之后可能发生的变化。视觉观察由此再往前一步,延伸到对动态物理过程的理解。
动作生成上,模型采用世界模型原生 DualAct 架构,把世界建模和动作生成捏在一起,世界模型可以直接输出机器人动作,动作控制由此变成原生能力。同时,基于 MOT 架构,动作专家也能直接、高效地给出动作。双通道动作架构的好处是,开发者可以按实际任务灵活设定动作专家的规模,后训练效率随之提高。
数据利用方面,CloudRobo-WM1.2 引入了多粒度监督数据自适应预训练框架。它的做法是依据每条数据实际含有的有效信息来组织训练监督,避免因为局部信息缺失就把整条数据丢掉。具身模型的训练数据通常来自不同设备、不同采集环境,完整程度参差不齐。该框架能兼容缺动作标注、部分动作维度无效、深度信息缺失、相机视角不完整等情况,把异构数据的利用效率提上去,也为扩大训练数据规模打下基础。
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。单臂、双臂、轮式等不同形态的机器人,被纳入统一的运动建模方式,同时各自本体的运动语义得以保留,共享模型因此能区分不同机器人的动作特征。这一设计让多种机器人可以共用训练数据和模型能力,跨本体任务中的泛化表现也有望改善。
推理部署上,CloudRobo-WM1.2 给出 World/Expert Action、Joint/Action-only 四种弹性推理模式,可按需组合。开发者能依据具体任务的算力资源和推理延迟要求挑选模式,在模型能力与部署成本之间做取舍。
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也得解决。华为云依托昇腾云计算平台,为 CloudRobo-WM1.2 提供异构算力支持,并配合 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起来。相关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、安全可靠运行等环节,目的是压低机器人模型从仿真环境迁移到真实物理环境的工程门槛。
生态开放上,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,并依托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。华为云还计划联合机器人本体厂商、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。