云天励飞BEHAVIOR挑战赛夺全球第二：WAM路线跑通复杂家务任务

2026年BEHAVIOR挑战赛最终成绩近日揭晓。云天励飞技术团队IF1001拿下61.55%的Q-score（任务目标综合完成度评分）和41.20%的完整任务成功率，在57支参赛队伍中排名全球第二。

复杂长任务、多样化场景、连续交互，这几项挑战叠在一起，云天励飞选的是WAM（World Action Model，世界动作模型）路线：把未来世界状态预测和动作决策绑在一块，让机器人处理复杂任务的能力往上走。端侧部署这块，团队同时做了低比特计算和推理系统优化，目的是把模型能力落到高效、实时的机器人执行上。

01 赛事｜100 项家务任务的“极限考场”

BEHAVIOR-1K是李飞飞教授与团队继ImageNet之后打造的大规模具身智能评测基准，面向真实生活的复杂场景。它延续的是用大规模基准带动领域发展的思路，给机器人在真实环境中完成复杂任务立一把共同的评测标尺，推着具身智能往实际应用走。

2026年赛事设了100项完整家庭任务，覆盖7个高仿真场景，其中4个是新增的。机器人得把环境感知、任务推理、跨房间导航、双臂操作这些能力综合起来用，完成涉及多种物体和状态变化的连续任务。

赛事提供2万条人工遥操作示范轨迹，平均时长约5.9分钟。换句话说，机器人在分钟级的执行过程里，得一直理解环境、跟踪任务进展，还要协调多个操作环节。

要评价这类能力，得同时看两件事：任务推进了多少，任务是否完整完成。

Q-score看的是任务结束时满足了多少目标条件，任务没全部完成，也会按完成程度给部分得分；完整任务成功率看的是有多少次执行满足了全部目标条件。一个反映综合任务进展，一个检验从头到尾干完活的可靠性。赛事排名主要依据Q-score。

历史成绩能直观看出这类任务有多难。2025年冠军方案基于π0.5视觉语言动作模型架构改造，隐藏测试Q-score为25.99%，完整任务成功率为12.40%。

本届赛事任务数量从50项扩到100项，场景覆盖也进一步扩大，云天励飞拿到61.55%的Q-score和41.20%的完整任务成功率，两项指标分别比上一届冠军高出约35.56和28.80个百分点。这个表现说明团队应对复杂长任务的技术实力。

02 路线｜以世界预测支撑行动

机器人要完成复杂任务，得理解每个动作会怎么改变环境，这种变化又会怎么影响后面的步骤。云天励飞的WAM技术路线把未来视觉状态和动作联合建模，给机器人提供面向行动后果的预测能力，决策因此更有前瞻性。

围绕这条路线，团队重点应对三类能力挑战。

1. 复杂长任务：让多个技能连成完整任务

完整的家务任务通常由多个相互依赖的步骤组成。机器人一边执行当前操作，一边要记住此前发生了什么、判断接下来还得满足哪些条件。局部动作出了偏差，后面整条任务链都可能受影响。

WAM把动作和它引发的世界状态变化联系起来，为跨步骤决策提供依据，模型因此能围绕任务目标协调连续操作。本届评测中，Q-score与完整任务成功率的表现，共同体现了团队方案在任务推进和完整执行两个层面的能力。

2. 场景泛化：在变化的环境中调整行动

同一项任务，房间布局、物体位置、初始状态一变，执行方式可能就得跟着变。物体被遮挡、交互条件变化，示范里的动作序列也没法直接照搬。

WAM建模的是动作与环境演化之间的关系，模型因此能根据当前场景调整行为。它的技术价值在于，机器人可以结合实际观察判断行动后果，把已有操作经验迁移到更多环境条件下。赛事中的多场景、多实例评测，正好为检验这种适应能力提供了重要载体。

3. 动态闭环：在执行中识别偏差、修正决策

长任务执行中，抓取落空、物体滑动、目标状态变化，都可能让原有计划失效。系统得及时识别实际结果和预期之间的偏差，重新判断任务状态，再调整后续行动。

世界预测和执行反馈结合，支撑的是“观察—预测与决策—行动—重新观察”这个闭环。机器人因此能持续用新的环境信息修正决策，为降低误差累积、增强任务执行韧性创造条件。

03 落地｜让世界模型在端侧高效运行

WAM在动作生成之外引入世界状态预测，计算需求也跟着上去了。机器人端侧受算力、内存、功耗和散热条件共同约束，模型必须在有限资源下兼顾预测质量、响应速度与运行稳定性。

端侧推理要解决的核心问题，是让芯片纸面上的计算能力，真正落到任务里变成可用算力。

云天励飞的做法是从模型的数值表示和硬件执行机制两头一起下手。借助低比特计算与精度保持算法，硬件的低精度计算潜力被释放出来，单位功耗下模型能处理的计算量随之提高。

团队还引入了大模型与智能体驱动的递归自我改进（RSI）机制，针对底层算子和执行流程反复迭代。算子融合、并行调度等手段被用上之后，数据转换这类辅助操作尽量与核心计算重叠，额外开销减少，低精度计算的优势也就落到了实际推理收益上。

端侧落地还绕不开实时性。机器人得在规定时间内持续拿到有效决策，所以优化盯的不只是平均推理速度，时延波动和长尾等待同样在考虑范围内，闭环响应的可预测性要提上去。

算法、软件、硬件协同优化之后，WAM在有限的端侧资源下跑得高效，世界预测与动作决策的实时执行有了计算支撑。

04 底座｜用真实算法负载定义芯片

算法芯片化是云天励飞一直在推进的方向：把模型的计算结构、数据流和执行需求摸透，用真实负载来牵引芯片架构与软件系统的设计，让实际应用中的性能和能效都提上去。

具身智能给这条技术路径添了新要求。世界预测要算得快，长任务要持续维护状态，实时交互要响应稳定，端侧部署还得把资源和能耗管紧。这几项需求合在一起，成了算法与芯片协同设计的重要依据。

这次参赛，一方面检验了云天励飞在复杂具身任务上的算法探索，另一方面也为摸清世界动作模型的计算特征、优化推理系统、研究专用计算架构攒下了实践经验。