什么是机器人世界模型？在机器人动手前预测下一画面的AI

机器人领域的世界模型，是一种在输入机器人即将执行的动作后，预测相机下一刻画面的学习模型，让机器人先在“想象”中试动作再真正执行。基本定义见MEKAWIRE[世界模型技术页](/technologies/world-model)；本文梳理世界模型的用途、谁在买单，以及论文揭示的能力边界。

资本先行。AMD于9月28日同意以[约82亿美元股票收购World Labs](/news/amd-to-acquire-world-labs-8-2b-physical-ai-20260928)，次日General Intuition[以62亿美元估值融资2.2亿美元](/news/general-intuition-220m-6-2b-gameplay-action-models-20260929)，估值为6月披露水平的2.70倍；Runway、英伟达和Odyssey也相继发布面向机器人的世界模型。

[[table:0]]悬而未决的问题是：技术是否已能胜任这些价格所假设的角色。

世界模型有三种用途，充当“大脑”只是其一

第一是充当模拟器：不靠人工编写的物理引擎，而从视频中学习场景如何变化，供工程师在其中测试策略。[Runway的Praxis-1](/news/runway-praxis-1-world-action-model-20260930)称，策略在模型内与在真实机器人上的成绩相关系数为0.95。第二是引导或校验策略：[Dream-to-Remember](/papers/dream-to-remember-continual-steering-of-generalist-robot-policies-with-2610-13816)在世界模型内训练小型引导模块，在微调方法跌至11.7%的8项连续任务上，把冻结策略的成功率从63.7%提高到74.8%。第三是直接充当策略，同时预测下一画面和动作，[优必选Thinker-WM](/papers/thinker-wm-a-unified-world-model-with-shared-multimodal-representation-2610-18447)与[Sber的GreenWAM](/papers/greenwam-a-world-foundation-model-for-robotics-2610-18774)走的就是这条路。

与[视觉语言动作(VLA)模型](/news/what-is-a-vla-model-robot-foundation-models-explained-rt-2-pi0-gr00t-gemini-robotics-2-94bn-raised-2026-20261017)的区别在于预测环节。VLA把画面和指令直接映射为电机指令，世界模型则多了一步对未来的显式推断。本月的[TS-WAM](/papers/ts-wam-temporal-latent-actions-and-world-action-coupling-for-vision-la-2610-21922)把两者结合，在实机上以72.5%对55.0%胜过Physical Intelligence的pi0.5。

10月论文测出了什么

10月1日以来MEKAWIRE收录485篇机器人论文，其中54篇(11.1%)带世界模型标签，44篇已有简报。

[[table:1]]中国机构占据显著比重，清华、中科院、港科大(广州)以及智元、优必选等企业均有成果。结论泾渭分明：当世界模型用于校验或适配其他系统时，提升幅度大，清华与电装的[ExecutionBridge](/papers/plans-are-not-executions-adapting-frozen-world-model-planners-to-contr-2610-22041)在车辆控制器变化时把规划器困难场景得分提高44%；当它必须预测长时程物理结果时则表现吃力，智元与英伟达研究人员推出的基准[WorldOracle](/papers/worldoracle-benchmarking-action-conditioned-world-models-against-real-2610-18826)显示，所测7个模型在长时程实机序列上全部漂移，对抓取失败和洒落的判断常常出错。杨立昆参与的[LeHami](/papers/lehami-symplectic-latent-dynamics-for-world-models-2610-15267)虽把速度误差降低2.8倍，规划成绩仍以0.527落后于最佳基线0.800。