索辰科技加码世界模型前沿技术，与战略投资企业美梦空间联合发布具身模型与物理测评标准

　　当下，具身智能的商业化路线正撞上一堵墙。

　　北大与BeingBeyond联合发布的BeTTER基准(ECCV 2026)戳破了这层窗户纸：最先进的VLA模型在标准静态测试中表现尚可，一旦引入空间布局偏移或时序外推等干预，成功率断崖式下跌。另一项斯坦福大学研究则直接锁定了病因：在接触丰富任务中，VLA存在“精度失效”与“力失效”两个相互独立的失效模式。

　　换句话说，VLA驱动下的机器人只知道“看到杯子就该抓”，但不知道“杯壁有多薄、摩擦力够不够、注水后重心会不会偏”。它本质上是个统计学模仿者，不是物理世界的参与者。

　　当VLA的局限逐渐暴露，“世界模型”开始成为具身智能跨越商业化“奇点”的新叙事。

　　第五届全球数字贸易博览会上，杭州美梦空间科技有限公司(Memo)给具身智能补上了这堂“物理课”。教具是两份：全球首个具备物理感知能力的Physical-WAM物理-世界动作模型，以及业内首个RoboTwin-Phys物理漂移评测基准——一个负责让机器人“懂物理”，具备人类式的预判能力，一个验证它是否真的“懂了”。

　　美梦空间专注于世界模型的研发与应用，由北京大学信息技术高等研究院高文院士领衔的AVS先进视觉系统研究中心孵化，核心团队在具身智能、视频编解码、空间计算、人工智能领域积累了深厚的研究经验，兼具学术深度与工程落地能力。2026年8月，物理AI头部企业索辰科技(688507.SH)完成对美梦空间独家种子轮战略投资，双方在数据、算力、物理AI等技术层面深度协同，共同推进世界模型研发与产业应用落地。而Physical-WAM和RoboTwin-Phys正是双方携手给业界带来的一张新答卷。

　　Physical-WAM：让具身智能“理解”物理

　　具身智能向前推进时，首先撞上的是训练信号的源头。

　　计算机视觉与大语言模型领域获取训练样本的边际成本较低，网页文档、图片视频可以通过互联网获取标注。

　　机器人物理交互数据的生产逻辑则完全不同。有效的物理交互样本诞生于真实或高保真仿真的接触过程：抓取、推拨、按压，每一次有效交互都伴随真机运动、接触反馈和物体状态改变。这类数据采集周期长，硬件损耗成本高，不同机器人本体之间还存在明显的数据迁移壁垒。

　　由此形成客观现实，机器人可用的真实物理交互样本仅维持在百万量级，和文本图像领域数十亿级别的数据体量相比，存在数万级别的落差。

　　面对数据供给的现实约束，美梦空间提出Physical-WAM作为针对性解法。整套架构的核心设计，是在感知信号输入和动作输出链路之间，插入一层“物理Token”表征。

　　传统世界模型的中间表征是像素或隐空间向量。它虽然可以推演物理世界的演化，但无法感知物理本身——知道“下一帧画面会变成什么样”，却不知道“为什么会变成这样”。Physical-WAM作为业内首个具备物理感知能力的WAM基模，基于可观测数据与深层物理数据训练，能在真实任务中实时觉察物理变化，并预判动作后果、实时修正行为。

　　Physical-WAM由PhysLens、PhysDream、PhysAct三个模块构成，形成“感知→预测→生成→修正”的反馈链条。

　　PhysLens是“物理翻译器”，从多模态感知信号中提取摩擦、重量、重心、接触状态等不可直接观测的物理信息，输出统一的物理Token表征。对照来看，现有VLA学到的是反应式的观测到动作映射，模型知道何时该伸爪、旋转或松手，却不显式推断物体有多重、表面是否湿滑。PhysLens要补的正是这层显式估计。

　　PhysDream是“物理预言家”，结合当前物理表征、环境状态和候选动作推演未来物理状态，预测打滑、脱手等风险并给出不确定性评估。PhysAct则负责物理条件化动作生成，把物理属性与未来状态预测引入动作生成，当环境发生物理漂移时自动调整执行策略。

　　举一个直观的例子：机器人抓握纸杯时，PhysLens识别出纸杯材质的低刚度特性，PhysDream预测注水后负载增加可能导致杯壁形变或滑脱，PhysAct据此调整抓握力度和接触位置，在注水过程中持续修正策略，直至完成操作。

　　这不再是简单的动作复现，而是像人类一样，凭借“物理直觉”随机应变。

　　RoboTwin-Phys：把物理扰动变成可控变量

　　技术路线的竞争最终需要评测来裁决。

　　现有的具身智能评测基准存在一个结构性盲区：它们测量的是“任务完成度”，而非“物理适应度”。一个模型可以在固定摩擦系数、固定物体质量的标准测试集上刷出高分，却对物理参数的扰动毫无鲁棒性。

　　比如，同等推力下，高摩擦的罐子原地倾倒，低摩擦的罐子直接滑飞;夹持擀面杖同一位置，重心偏移就会引发杆体摆动。这些现实世界中大量司空见惯的“物理漂移”，却很难在传统测评中得到有效验证。一项能力无法被度量，模型的迭代优化就失去了锚点。

　　模型之外，美梦空间的第二个答案是重新建立一把评测标尺——RoboTwin-Phys物理漂移测评基准。这是业内首个以物理因素扰动为核心评测对象的机器人操作基准，能够把现实中抽象的物理参数，转化为可控、可标记、可复现的变量。

　　这套评测基准遵循三层递进逻辑：物理属性推断准不准、物理扰动下任务还成不成、性能差距的上界在哪里。它在RoboTwin的基础上，新增了13类真实世界常见的物理扰动因素，从物体属性、接触属性、阻尼、任务环境到相机配置五大维度，支持单因素扰动到多因素组合扰动测评。

　　其工程价值主要体现在三点。第一，提供物理真值——物理值、接触力日志、物体运动学数据和失败时间线，使评测不只回答“成没成功”，还能追问“模型是否估计对了、何时开始失败”。第二，固定种子配对评估，让不同模型面对相同扰动实例，减少运气成分。第三，按推断准确性、扰动下任务成功率、性能上界逐层递进，区分“物理状态识别错了”和“识别对了但动作策略没跟上”。这等于在“感知—预测—生成”链条每一环各设了一个考位。

　　RoboTwin-Phys发布即开源，项目代码、数据集与排行榜全部开放，支持第三方验证复现，为行业立起一把衡量“物理AI”的标准化标尺。

　　物理感知的下一步：边界探索与纵深推进

　　“世界模型”本身仍是一个尚未收敛的概念，学术界至今没有统一的技术定义。计算机视觉研究者把它理解为视频生成，机器人领域把它当成状态预测器，强化学习圈子则从MBRL出发将其视为环境代理。

　　毕马威2026年7月发布的《跨越奇点：世界模型如何重塑具身智能产业与商业新范式》报告，提供了一个更清晰的坐标系：表征式世界模型回答“世界是什么”，生成式世界模型回答“世界会变成什么”，交互式世界模型回答“改变世界会发生什么”，而理解-生成-预测一体化世界模型则试图回答“如何理解、预测并自主改变世界”。

　　可以看到，美梦空间Physical-WAM为物理AI探索了一条可行的技术路径，并仍在持续拓展能力边界。

　　第一，物理Token的粒度边界在哪?摩擦、质量、重心是三个高度抽象的参数，但真实接触中还存在表面粗糙度的各向异性、材料的非线性弹性行为、接触面积的动态变化。当前表征能力的上限，需要更系统的消融研究来回答。

　　第二，跨本体的物理迁移效率如何?同一个物体，二指夹爪和灵巧手抓取所需的动作策略不同。物理参数到动作的映射，高度依赖末端执行器的形态与动力学特性。多本体适配的一致性和效率，是检验架构泛化能力的关键指标。

　　第三，仿真物理的保真度天花板在哪?PhysDream的推演精度受限于仿真引擎的物理保真度和真实传感器的噪声水平。当真实世界存在仿真无法建模的效应，比如织物的非线性大变形、颗粒材料的流动等，那么这套闭环的鲁棒性边界在哪里?

　　围绕这些方向，美梦空间的下一步路线将围绕“视觉先行，力触声递进”持续迭代多模态物理表征模型，扩充物理交互数据集，优化模型推理延迟与多本体适配能力，并联合产业链上下游补齐物理数据、世界模型、评测标准三块拼图。

　　“只有让机器人真正读懂物理世界，具身智能才能大规模从实验室走向真实产业场景。”美梦空间CEO李明昊表示，将以开源开放的态度，推动行业加速走向具身智能的“GPT时刻”。