摘要由 AI 生成
2026 年，光象科技联合清华大学李升波教授课题组发布物理原生世界模型 Phi-WM 1.0 ActEffect。该模型旨在解决机器人从“预测未来”向“理解动作后果”的升级需求，采用状态解耦表征、时序因果驱动及物理定律约束三大特征，并将动作因果纳入训练过程，通过蒸馏策略降低推理算力成本。在 LIBERO、LIBERO-PLUS 和 RoboCasa-GR1 基准测试中，ActEffect 平均成功率分别达到 98.8%、80.3% 和 67.5%。光象科技计划将世界模型、数据、算法与机器人本体整合进同一循环，目标是将真实任务训练数据压缩至数十小时以内，以应对工业场景碎片化挑战并提升泛化能力。
关键实体KEY ENTITIES
光象科技吕尧李升波江宇漠影
报道态势 · 每日报道量LANGUAGE SPLIT
实体关系
信号强度SIGNALS
全部报道（1）SOURCES
↗
2026 年，世界模型在具身智能赛道快速升温，多家厂商将其作为核心技术方向布局。光象科技联合清华大学李升波教授课题组发布物理原生世界模型 Phi-WM 1.0 ActEffect，旨在解决机器人从“预测未来”向“理解动作后果”的升级需求。该模型采用状态解耦表征、时序因果驱动及物理定律约束三大特征，将动作因果纳入训练过程，通过蒸馏策略降低推理算力成本。在 LIBERO、LIBERO-PLUS 和 RoboCasa-GR1 基准测试中，ActEffect 平均成功率分别达到 98.8%、80.3% 和 67.5%。光象科技计划将世界模型、数据、算法与机器人本体整合进同一循环，目标是将真实任务训练数据压缩至数十小时以内，以应对工业场景碎片化挑战并提升泛化能力。