华为云开源具身世界模型CloudRobo-WM1.2,两项评测登顶
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。
11月16日,
华为云“行业AI梦工厂”发布并开源了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和LiberoPro 2.0两项评测中,它都排在第一。

五项核心技术各有突破,指向的是同一个目标:让具身智能走出实验室,进入规模化落地。
具身智能要走进真实物理世界,卡点不少:多模态物理理解难、世界认知与动作生成难解耦、异构数据难以规模化利用、跨本体泛化不易、实时推理的算力成本偏高。

围绕这些难点,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上持续推进,为具身智能从模型研究走向复杂物理场景应用打下技术底子。
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。机器人因此不再停留在“看懂一张静态照片”,而是“看懂一场正在发生的4D动作电影”。
世界模型原生DualAct架构:动作由世界模型直接高精度输出,原生实现机器人动作控制;在MOT架构之上,动作专家同样能直接、高效地给出动作。双通道动作架构的设计,让开发者可以灵活定义动作专家的尺寸,后训练效率随之提高。
多粒度监督数据自适应预训练框架:按数据实际携带的有效信息来组织监督,有价值的数据不会因为局部缺失就被丢掉,异构数据的Scaling潜力得以释放。动作标注缺失、部分维度无效、深度缺失、相机视角不完整,这类数据都能兼容。
本体语义保真跨具身运动建模:单臂、双臂、轮式等不同形态的机器人,都能拿到统一的“动作翻译器”。共享模型由此能分辨各家的“运动语言”,多本体协同学习成为可能,跨本体泛化能力随之增强。
World/Expert Action与Joint/Action-only四种推理模式可按需组合,客户对算力资源和推理延迟的要求,能按实际情况匹配。
这五项核心技术合在一起,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,三项开放承诺指向同一个方向:共建具身智能生态。
华为云在具身智能上走的是“技术深耕+开放赋能+生态共建”三位一体的路子:核心技术持续投入,推动模型迭代升级;模型与工具链依托昇腾云算力全面开放,赋能产业伙伴;生态优势汇聚起来,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,汇聚模型厂商、本体厂商、高校科研机构及行业伙伴的优势能力,共建行业解决方案,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框架原生加速揉在一起,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,加速规模化产业落地。