考拉悠然BWM-Forge:世界模型可编程,多任务多场景多视角复用

资讯 腾讯网 作者:甲子光年 全文 2120 字 · 约 6 分钟读完 分类模型发布世界模型AI 编程

可编程的世界模型,让具身世界生产规模化!多任务、多场景、多视角,具身视频生成走向规模化。实验室里,机械臂摇匀试剂;工厂里,机械狗巡检、转向、爬上台阶;市场里,人形机器人搬货上架;手术台上,灵巧手穿线打结......画面越丰富,越照出一个现实:机器人要走进千行百业,缺的不是模型,而是覆盖不同物体、不同空间、不同视角的交互

所属频道 模型发布AI 编程与开发

世界模型可以编程了,这让

多任务、多场景、多视角成为具身智能走向规模化的入口。

考拉悠然与同济大学联合推出的方案,用代码搭骨架、用生成补细节;任务随时能改,世界只需搭建一次,之后反复复用。

图 1:BWM-Forge——以可执行场景程序连接机器人任务与高保真视频

一、把世界写进代码,每次修改都有入口

在 BWM-Forge 里,物体、运动、相机都被写成可调参数,给具身生成搭起一个能动手操作的世界底座。

启动生产只需要一句任务描述、一份机器人资产。系统提供

任务输入→ 场景程序 →

想改东西,入口很明确:调物体,就改场景参数;换动作,就编辑运动过程;切视角,就重排相机。已有程序还能直接用到新机位、新外观上,构建一次就能撑起一批生成需求。对按条算成本的数据生产来说,省下的钱最实在。

二、多任务、多场景、多视角,一次构建能复用多少次?

本体能换,场景能换,机位也能换。BWM-Forge 把这些变量统统收进可编辑的场景程序,“谁来做、在哪做、从哪儿看”都留了明确的开关。需要批量产出训练数据的团队,同一份投入能摊到更多任务上。

多任务|从机械臂到人形机器人,一条产线覆盖更多本体

厨房里,单臂机器人在柜体和抽屉之间取物;实验台前,双臂夹爪配合做过滤;镜头推近,双臂

从桌面的精细操作,到房间级的全身移动和连续交互,多种本体与任务被收进同一条可编程产线,具身数据的覆盖范围就此打开。

这些演示背后是同一套代码驱动的工作流。接入新的机器人资产、定好任务目标,再结合可用的运动信息接着构建和调整,就能延伸到新的本体与任务。从桌面一角到整间房,内容边界跟着需求走,不再跟着采集预算走。

图 2:覆盖机械臂、机器人等多类本体,展示抓取、操作、行走等多样具身任务

多场景|同一段动作,换个环境就是一条新数据

同一个箱子,人形机器人搬了一回,环境却换了三次:市场里是摊位和遮阳篷,工业仓库里是挑高大堂和远处堆放的货物,垂直农场里则是成排植物和配套设备。动作没变,视觉语境全变了。

一段

三个版本共用场景,不必为每种外观重搭一次。围绕同一任务不断切换视觉环境,构建一次动作就能产出多条有差异的数据,边际成本被明显压低。

图 3:一段代理视频,三种场景外观——市场、工业仓库与垂直农场

多视角|换个机位,就多一份观察数据

四足机器人在工厂里行走、转向、爬楼梯。原始机位交代它和设备、楼梯的相对位置;跟随镜头贴着机身记录转向和行进;近似第一人称的视角,把前方通道和台阶推到眼前。同一段动作,三种信息量。

任务还是同一条时间线,观察入口却可以开出好几个。

三路相机共用同一个三维场景、同一条运动轨迹和时间线,各拍各的画面。想看整体路线,还是身体姿态、前方通行空间?按观察目标去编排镜头就行,已经做好的任务不必返工,缺的那类视角直接补上。

图 4:原始、跟随与近似第一人称视角,共享场景和运动时间线;每个视角展示代理视频与最终生成结

三、四个Agent形成产线,经验也能沉淀复用

可编程世界靠的是一条Agent流水线,构建、审查、渲染、反馈都在这条线上跑。

Harness系统负责调度BWM-Forge里的四类Agent,每一类各管一段:

·

·

·

·

清晰度、颜色稳定性、运动平滑度和动作保真度,由自动评估盯着。

图 5:Harness 连接输入处理、场景构建、审查与渲染、以评估和反馈组织迭代

一句自然语言说出需求,改动就落到具体对象上。

构建和生成的过程中,阶段结果随时可见,用户可以直接用自然语言点出物体布局、机器人动作、相机视角或画面细节哪里需要调整。系统据此改动场景程序、运动参数或生成提示,再把更新后的结果交回来确认。从提需求到看效果,人一直在回路里,迭代不用一遍遍重跑,改动写进代码,下一轮还能接着用。

一次任务做完,就是下一次构建的开始。

建模与渲染的记录会被系统提炼成可检索的规则,存进经验库。工作台、实验室、厨房之间的跨场景搬运案例里,避障间隙、动作阶段、容器放置、相机取景这些经验,换个物体尺寸和场景条件仍能再次调用。

可编辑的任务留在场景程序里,可调用的方法攒在经验库中;用得越多越省事,这套流程的价值就在这里。

四、从跑分到落地,可复用的世界能走多远

跑分是最直观的答案。15 项任务评估中,BWM-Forge 的画面表现和任务指令对齐能力都保持稳定:

多任务拓展本体覆盖,多场景丰富视觉表达,多视角补上观察维度。三条路径其实指向同一条主线:场景、运动与镜头都留成可编辑、可复用的程序,视觉细节再交给生成模型去补。每一次构建不再是投一次就没了,而是能累积下来的资产。

面向具身智能,BWM-Forge 给机器人视觉数据的规模化扩充提供了新路子。接下来,同济大学与考拉悠然会继续扩大任务覆盖、完善自动审查与生成流程,并进一步验证生成视频对下游机器人学习的实际增益。

用代码构建,用反馈打磨,每次生成都成为下一次的资产。

开源共建,让具身任务可复现、可扩展

项目主页:BWM-Forge: Agentic World Programming for Embodied Intelligence

技术报告:
https://arxiv.org/pdf/2611.16221

GitHub 链接: https://github.com/Lcixs/BWM-Forge

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 华为云:80%中国具身智能企业选了昇腾云,具身智能市场排中国第一

    IT之家 11 月 16 日消息,在今日的华为云 CloudRobo 具身世界模型发布会上,华为云方面透露,华为昇腾云在具身智能市场格局中排行中国第一,已有 80% 的中国具身智能企业选择昇腾云,重点高校基本实现全覆盖。 2025 年 6 月,华为云发布 CloudRobo 具身智能平台。华为常务董事、华为云计算 BU

    来源 AI 行业观察
  2. Qwen4-Max发布:2.4T参数、百万上下文,单任务成本降58%

    11 月 16 日,阿里巴巴发布全新一代基座大模型 Qwen4-Max,总参数 2.4T,具备原生视觉能力,支持百万上下文。基于创新的模型架构和训练优化,Qwen4-Max 以更少的 Token 消耗实现了更高的性能,在智能体和编程等关键能力项上持续进化:在权威的全球前端编程盲测 CodeArena 中,Qwen4 位

    来源 AI 行业观察
  3. 华为云将发布首款昇腾原生具身世界模型 CloudRoboWM1.2

    华为云将于11月16日14:00-15:30举办线上发布会,正式发布首款昇腾原生具身世界模型 CloudRoboWM1.2,旨在推动具身智能从实验室研发走向千行百业规模化落地。 根据已披露议程,该模型将由华为云具身产品线总裁、具身智能 Lab 主任吴小东正式发布。随后,华为云具身智能 Lab 首席模

    来源 AI 开发者社区
  4. 华为公布最新数据:80%中国具身智能企业选择昇腾云

    11月16日华为云CloudRobo具身世界模型发布会上,华为云披露80%的中国具身智能企业选择昇腾云,重点高校基本实现覆盖,并称昇腾云在中国具身智能云市场排名第一。CloudRobo平台已汇聚超1.65万名开发者、230多家企业和高校,累计沉淀超1500项行业资产。

    来源 凤凰科技
  5. MIT韩松团队PEAR:27B模型纯仿真训练,单卡就能驱动真机?

    MIT韩松团队发布PEAR项目,基于Qwen3.8-27B模型,仅通过仿真环境强化学习,无需真实数据即可驱动双臂机器人。在RTX 5090上推理速度超220 tok/s,真机测试成功率60%,且完整保留数学编程等通用能力,为具身智能提供了一条低成本、高泛化的新路径。

    来源 AI 应用前沿
  6. 阿里发布Qwen4-Max:2.4T参数仅激活71B,单任务费用降58%

    11月16日,阿里巴巴发布全新一代基座大模型Qwen4-Max,总参数2.4T,具备原生视觉能力,支持百万上下文,现已上线千问AI平台对外提供API服务,中小尺寸模型将陆续开源。 据介绍,Qwen4-Max采用基于Qwen稀疏注意力(QSA)的全新MoE架构,2.4T总参数仅激活71B。在权威全球前端编程盲测CodeA

    来源 AI 行业观察
  7. 腾讯混元Hy4 flash发布:224B参数,张军称性价比最高

    【TechWeb】11月16日消息,今日,腾讯混元最新语言模型Hy4 flash正式发布。腾讯公司公关总监张军在社交平台发文称,“这是迄今为止性价比最高的混元模型。”混元Hy4 flash每百万Token输入0.5元、输出2元,命中缓存时仅需0.02元,价格相比Hy4大幅降低。该模型总参数量为224B(其中64B En

    来源 腾讯网
  8. 阿里Qwen4-Max发布:2.4T总参数仅激活71B,单任务成本降58%

    阿里巴巴11月16日发布新一代基座大模型Qwen4-Max,总参数2.4T但激活参数仅71B。新模型在前端编程盲测中位列全球第六,智能体能力评测领先。通过架构优化,其单任务平均费用较上代降低58%,缓存命中价格低至每百万Token 0.5元。目前该模型已上线千问AI平台,并在汽车制造、药物研发等场景落地,中小尺寸版本将

    来源 AI 应用前沿
  9. 阿里正式发布Qwen4,智能体及编程能力进阶

    36氪获悉,阿里巴巴发布全新一代基座大模型Qwen4-Max,总参数2.4T,具备原生视觉能力,支持百万上下文。基于创新的模型架构和训练优化,Qwen4-Max以更少的Token消耗实现了更高的性能,在智能体和编程等关键能力项上持续进化。Qwen4面向全领域的真实任务深度优化,可更好地调用专业工具处理长周期任务。Qwe

    来源 AI 行业观察
  10. 阿里千问4 Max发布:2.4万亿参数,单任务成本降58%

    作者|桦林舞王编辑|靖宇底座架构重写,单任务成本暴降近六成,阿里把旗舰模型拉进了真实排班表。终于,一款国产旗舰模型现身了。11 月 16 日,阿里千问正式发布新一代旗舰模型 Qwen4-Max。就在五天前,它的预览版 qwen4-max-preview 刚在 Token Plan 里低调露过面,今天正式版直接亮出了完整

    来源 腾讯网
  11. 华为云发布昇腾原生具身世界模型WM1.2:双榜第一,11月30日开放权重

    智东西(公众号:zhidxcom)作者 | 三北编辑 | 心缘智东西11月16日报道,今日,华为云推出其首款昇腾原生具身世界模型CloudRobo-WM1.2,并宣布于11月30日正式开放WM1.2模型权重、推理后训练代码及预训练最佳实践。该模型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DualA

    来源 腾讯网
  12. 李飞飞出任AMD首席科学家,82亿美元全股票收购World Labs交割完成

    【TechWeb】11 月 17日消息,当地时间2026年11月16日,AMD正式宣布完成对空间智能公司World Labs的收购,World Labs联合创始人李飞飞即日起出任AMD执行副总裁兼首席科学家,直接向AMD董事长兼CEO苏姿丰汇报。 AMD在社交平台X上发文,放出AMD董事会主席兼CEO苏姿丰与World

    来源 AI 行业观察
  13. 谷歌Gemini智能体测试中多次突破防护,攻击真实网站

    近日,人工智能安全研究公司 Trajectory Labs 与目标组织 Epoch AI 联合发布报告披露,在10月份开展的模型安全测试中,谷歌 Gemini4Argon 自主 AI 智能体在面对高压任务时,多次突破内置 API 安全防线与网络限制,对真实组织基础设施发起主动攻击。 在测试过程中,研

    来源 AI 开发者社区
  14. 物理AI提速,高质量数据成模型发展关键制约

    近日,国泰海通最新研报中指出,AI迈向物理世界,数据服务迎来新机遇。物理AI加速发展,高质量数据需求持续增长,数据供给成为制约模型发展的关键因素。随着数据服务市场扩容,具备数据资源、规模化生产及平台服务能力的企业有望受益。物理AI及世界模型加速发展,数据需求持续增长。AI 正由数字世界向物理世界延伸,模型能...

    来源 腾讯网
  15. 火山引擎宣布Seedance2.54K API全面开放,支持10-bit色深与样片模式

    11月16日,字节跳动旗下火山引擎宣布,Seedance2.54K视频生成模型的API全面开放,开发者与企业客户即日起可通过接口直接调用该模型,4K级视频生成能力由此进入规模化接入阶段。 据悉,火山引擎已于10月23日正式发布Seedance2.54K。官方称,该模型经专项训练,对人物表情、细微动作

    来源 AI 开发者社区
  16. 世界模型是什么:物理常识人类96.4%,它57.5%

    画面越真,越容易让人以为它懂了物理。这个误会,现在有数字可查。这张图按四条追问排:它在预测什么、跟基础大模型差在哪一步、现在谁跑在前面、还差什么。第一块是全图的定义,后面三块都从它长出来。最值得看的是第四块左边。Meta FAIR 的 IntPhys 2 用一组违反直觉的视频测物理常识:物体不会凭空消失、不会变形、不会

    来源 腾讯网
向下滚动自动加载更多