华为云开源CloudRobo-WM1.2:具身世界模型登顶两项评测
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日消息,
华为云“行业AI梦工厂”当日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,并基于世界模型原生DualAct架构实现世界模型原生动作生成。在RoboTwin 2.0、LiberoPro 2.0两项评测中,它都排在第一位。

这次发布列出五项核心技术突破,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。
具身智能要从实验室走进真实物理世界,卡点不少:多模态物理理解难,世界认知与动作生成难以解耦,异构数据没法规模化利用,跨本体泛化不容易,实时推理的算力成本还偏高。

CloudRobo-WM1.2搭起了五项核心技术,围绕世界建模、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:模型不光是认出物体,还能提前判断物理交互会带来什么结果。机器人因此从“能看懂一张静态照片”,走到“能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、高效地给出动作。双通道动作架构的设计,让开发者可以按需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,这几类数据它都能兼容。
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”。共享模型借此分辨各机器人不同的“运动语言”,多本体协同学习成为可能,跨本体泛化能力也更强。
World/Expert Action与Joint/Action-only四种弹性推理模式可以按需组合,客户对算力资源和推理延迟的不同要求,都能找到对应的搭配。
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,也让具身智能从模型研究走向复杂物理场景应用有了技术基础。
模型全面开源、能力深度开放,华为云同时给出三大开放承诺,要拉上伙伴一起建具身智能生态。
围绕具身智能,华为云定下“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;一边依托昇腾云算力,把模型与工具链全面开放给产业伙伴;再汇聚生态力量共建行业解决方案,让具身智能在千行百业规模化落地。
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,借昇腾云的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各自的长处,一起建行业解决方案,加快具身智能在千行百业的规模化落地。
六项产业落地工程能力,是推动具身智能走向规模落地的另一只手。
在华为云昇腾云计算平台上,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,为具身智能提供六项工程能力: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。