Sora 2 之后，北京人形WoW具身世界模型带来aha时刻

近年来机器人的“体能”正在以肉眼可见的速度进步——后空翻、跑酷、马拉松，这些曾经只属于人类的运动能力，如今机器人也能轻松完成。然而，让机器人完成一个后空翻很难，但让它“理解”面前的水杯为什么倒下后水会洒出来，或许更难。 继Deepseek在大语言模型开源促进行业发展后，北京人形机器人创新中心再次打破边界并开源了全新的世界模型架构，提出了一个让机器人真正“看见、理解并行动于世界”的具身世界模型——WoW（World-Omniscient World Model），帮助具身智能机器人快速学习掌握各项技能，助力行业打造“最好用”的机器人。 一经发布，该模型便受到学术界产业界广泛关注，其中Huggingface官方留言：Excellent work，并重点推荐希望上传更多内容。斯坦福具身智能大佬 、PI创始人、清华合作文章也引用了WoW具身世界模型技术报告。这意味着北京人形机器人创新中心在具身世界模型领域走在世界前列。 这不仅仅是一次视觉模型的升级，更是一个融合了视觉、动作、物理感知与推理的统一世界生成框架。 它让 AI 不再只是“看视频”或“生成图像”，而是能通过交互学习世界的物理规律，并在真实环境中自主操作。如果说GPT系列让机器“读懂语言”，Sora系列是在“看世界”，那么 WoW 就是让机器人“理解物理世界”，并且给到算法触摸世界的双手。创新的技术架构、完全开源的策略、完整的工具支持，使得WoW有望成为世界模型领域的“Deepseek"。 相较于 Sora 2， WoW 具身世界模型 在模拟机器人操作的时空一致性、物理推理能力表现更为出色。 <img src="https://static.leiphone.com/uploads/new/images/20251017/68f20f275d3a4.png?imageView2/2/w/74