索辰科技加碼世界模型，與戰略投資企業美夢空間聯合發佈具身模型與物理測評標準

“世界模型”開始成為具身智能跨越商業化“奇點”的新敘事。當下，具身智能的商業化路線正撞上一堵牆。北大與BeingBeyond聯合發佈的BeTTER基準（ECCV 2026）戳破了這層窗戶紙：最先進的VLA模型在標準靜態測試中表現尚可，一旦引入空間佈局偏移或時序外推等干預，成功率斷崖式下跌。另一項斯坦福大學研究則直接鎖定了病因：在接觸豐富任務中，VLA存在“精度失效”與“力失效”兩個相互獨立的失效模式。現有測評關注與被忽略的物理變量 換句話說，VLA驅動下的機器人只知道“看到杯子就該抓”，但不知道“杯壁有多薄、摩擦力夠不夠、注水後重心會不會偏”。它本質上是個統計學模仿者，不是物理世界的參與者。

當VLA的侷限逐漸暴露，“世界模型”開始成為具身智能跨越商業化“奇點”的新敘事。9月26日，美夢空間CEO李明昊在第五屆全球數字貿易博覽會首發首秀主舞臺上，首次公開並正式發佈Physical-WAM、RoboTwin-Phys兩項重要成果 第五屆全球數字貿易博覽會上，杭州美夢空間科技有限公司（Memo）給具身智能補上了這堂“物理課”。教具是兩份：全球首個具備物理感知能力的Physical-WAM物理-世界動作模型，以及業內首個RoboTwin-Phys物理漂移評測基準——一個負責讓機器人“懂物理”，具備人類式的預判能力，一個驗證它是否真的“懂了”。

美夢空間專注於世界模型的研發與應用，由北京大學信息技術高等研究院高文院士領銜的AVS先進視覺系統研究中心孵化，核心團隊在具身智能、視頻編解碼、空間計算、人工智能領域積累了深厚的研究經驗，兼具學術深度與工程落地能力。2026年8月，物理AI頭部企業索辰科技（688507.SH）完成對美夢空間獨家種子輪戰略投資，雙方在數據、算力、物理AI等技術層面深度協同，共同推進世界模型研發與產業應用落地。而Physical-WAM和RoboTwin-Phys正是雙方攜手給業界帶來的一張新答卷。Physical-WAM：讓具身智能“理解”物理 具身智能向前推進時，首先撞上的是訓練信號的源頭。

計算機視覺與大語言模型領域獲取訓練樣本的邊際成本較低，網頁文檔、圖片視頻可以通過互聯網獲取標註。機器人與文本、圖像、視頻相比，訓練數據與樣本稀少 機器人物理交互數據的生產邏輯則完全不同。有效的物理交互樣本誕生於真實或高保真仿真的接觸過程：抓取、推撥、按壓，每一次有效交互都伴隨真機運動、接觸反饋和物體狀態改變。這類數據採集週期長，硬件損耗成本高，不同機器人本體之間還存在明顯的數據遷移壁壘。由此形成客觀現實，機器人可用的真實物理交互樣本僅維持在百萬量級，和文本圖像領域數十億級別的數據體量相比，存在數萬級別的落差。

Physical-WAM概念圖 面對數據供給的現實約束，美夢空間提出Physical-WAM作為針對性解法。整套架構的核心設計，是在感知信號輸入和動作輸出鏈路之間，插入一層“物理Token”表徵。傳統世界模型的中間表徵是像素或隱空間向量。它雖然可以推演物理世界的演化，但無法感知物理本身——知道“下一幀畫面會變成什麼樣”，卻不知道“為什麼會變成這樣”。Physical-WAM作為業內首個具備物理感知能力的WAM基模，基於可觀測數據與深層物理數據訓練，能在真實任務中實時覺察物理變化，並預判動作後果、實時修正行為。

Physical-WAM三大模塊架構圖 Physical-WAM由PhysLens、PhysDream、PhysAct三個模塊構成，形成“感知→預測→生成→修正”的反饋鏈條。PhysLens是“物理翻譯器”，從多模態感知信號中提取摩擦、重量、重心、接觸狀態等不可直接觀測的物理信息，輸出統一的物理Token表徵。對照來看，現有VLA學到的是反應式的觀測到動作映射，模型知道何時該伸爪、旋轉或鬆手，卻不顯式推斷物體有多重、表面是否溼滑。PhysLens要補的正是這層顯式估計。

PhysDream是“物理預言家”，結合當前物理表徵、環境狀態和候選動作推演未來物理狀態，預測打滑、脫手等風險並給出不確定性評估。PhysAct則負責物理條件化動作生成，把物理屬性與未來狀態預測引入動作生成，當環境發生物理漂移時自動調整執行策略。Physical-WAM三大模塊架構解析 舉一個直觀的例子：機器人抓握紙杯時，PhysLens識別出紙杯材質的低剛度特性，PhysDream預測注水後負載增加可能導致杯壁形變或滑脫，PhysAct據此調整抓握力度和接觸位置，在注水過程中持續修正策略，直至完成操作。這不再是簡單的動作復現，而是像人類一樣，憑藉“物理直覺”隨機應變。

RoboTwin-Phys：把物理擾動變成可控變量 技術路線的競爭最終需要評測來裁決。美夢空間測試機器人的物理理解力 現有的具身智能評測基準存在一個結構性盲區：它們測量的是“任務完成度”，而非“物理適應度”。一個模型可以在固定摩擦係數、固定物體質量的標準測試集上刷出高分，卻對物理參數的擾動毫無魯棒性。比如，同等推力下，高摩擦的罐子原地傾倒，低摩擦的罐子直接滑飛；夾持擀麵杖同一位置，重心偏移就會引發杆體擺動。這些現實世界中大量司空見慣的“物理漂移”，卻很難在傳統測評中得到有效驗證。一項能力無法被度量，模型的迭代優化就失去了錨點。

模型之外，美夢空間的第二個答案是重新建立一把評測標尺——RoboTwin-Phys物理漂移測評基準。這是業內首個以物理因素擾動為核心評測對象的機器人操作基準，能夠把現實中抽象的物理參數，轉化為可控、可標記、可復現的變量。RoboTwin-Phys概念圖 這套評測基準遵循三層遞進邏輯：物理屬性推斷準不準、物理擾動下任務還成不成、性能差距的上界在哪裡。它在RoboTwin的基礎上，新增了13類真實世界常見的物理擾動因素，從物體屬性、接觸屬性、阻尼、任務環境到相機配置五大維度，支持單因素擾動到多因素組合擾動測評。其工程價值主要體現在三點。

第一，提供物理真值——物理值、接觸力日誌、物體運動學數據和失敗時間線，使評測不只回答“成沒成功”，還能追問“模型是否估計對了、何時開始失敗”。第二，固定種子配對評估，讓不同模型面對相同擾動實例，減少運氣成分。第三，按推斷準確性、擾動下任務成功率、性能上界逐層遞進，區分“物理狀態識別錯了”和“識別對了但動作策略沒跟上”。這等於在“感知—預測—生成”鏈條每一環各設了一個考位。RoboTwin-Phys發佈即開源，項目代碼、數據集與排行榜全部開放，支持第三方驗證復現，為行業立起一把衡量“物理AI”的標準化標尺。

物理感知的下一步：邊界探索與縱深推進 “世界模型”本身仍是一個尚未收斂的概念，學術界至今沒有統一的技術定義。計算機視覺研究者把它理解為視頻生成，機器人領域把它當成狀態預測器，強化學習圈子則從MBRL出發將其視為環境代理。畢馬威2026年7月發佈的《跨越奇點：世界模型如何重塑具身智能產業與商業新範式》報告，提供了一個更清晰的座標系：表徵式世界模型回答“世界是什麼”，生成式世界模型回答“世界會變成什麼”，交互式世界模型回答“改變世界會發生什麼”，而理解－生成－預測一體化世界模型則試圖回答“如何理解、預測並自主改變世界”。

可以看到，美夢空間Physical-WAM為物理AI探索了一條可行的技術路徑，並仍在持續拓展能力邊界。第一，物理Token的粒度邊界在哪？摩擦、質量、重心是三個高度抽象的參數，但真實接觸中還存在表面粗糙度的各向異性、材料的非線性彈性行為、接觸面積的動態變化。當前表徵能力的上限，需要更系統的消融研究來回答。第二，跨本體的物理遷移效率如何？同一個物體，二指夾爪和靈巧手抓取所需的動作策略不同。物理參數到動作的映射，高度依賴末端執行器的形態與動力學特性。多本體適配的一致性和效率，是檢驗架構泛化能力的關鍵指標。第三，仿真物理的保真度天花板在哪？

PhysDream的推演精度受限於仿真引擎的物理保真度和真實傳感器的噪聲水平。當真實世界存在仿真無法建模的效應，比如織物的非線性大變形、顆粒材料的流動等，那麼這套閉環的魯棒性邊界在哪裡？9月26日，美夢空間CEO李明昊在第五屆全球數字貿易博覽會首發首秀主舞臺上，介紹Physical-WAM如何讓機器人讀懂物理世界 圍繞這些方向，美夢空間的下一步路線將圍繞“視覺先行，力觸聲遞進”持續迭代多模態物理表徵模型，擴充物理交互數據集，優化模型推理延遲與多本體適配能力，並聯合產業鏈上下游補齊物理數據、世界模型、評測標準三塊拼圖。“只有讓機器人真正讀懂物理世界，具身智能才能大規模從實驗室走向真實產業場景。

”美夢空間CEO李明昊表示，將以開源開放的態度，推動行業加速走向具身智能的“GPT時刻”。