DW0.5做具身世界模型闭环
量子位 · wechat · 2026-07-16
量子位这篇长文介绍了原力灵机的具身世界模型 **DW0.5** 及其后训练框架 **DFOL2.0**。核心目标是给具身智能提供一个低成本、可高频反馈的“学习环境”，弥补真机试错昂贵、反馈稀疏的问题。 文中主要信息： - **为什么要做世界模型**：代码 Agent 能自动执行、验证、反馈，形成闭环；而机器人真机试错成本高、信号模糊，因此具身智能需要更便宜的训练环境。 - **DW0.5 的角色**：作为 Learned Environment，接收任务指令、图像/视频和机器人类型，预测动作后的未来视频状态，还能生成失败轨迹并对任务进度打分。 - **三大专家模块**：VideoExpert 负责预测未来画面，ActionExpert 把动作作为强条件输入，ValueExpert 把轨迹转成可训练的价值信号，用于动作筛选、RL 奖励和部署监测。 - **数据与训练效果**：模型结合真机、自采机器人、互联网视频、第一视角人类活动和 rollout 数据训练；官方称可让后训练中的真机数据需求下降 60%，整体训练成本下降 40%。 - **落地结果**：在打气球、晾衣服、叠纸盒等任务上，接入 DFOL2.0 后多个关键步骤成功率显著提升；在 EWMBench、WorldArena 等基准上也取得较高分数，并已接入内部具身后训练闭环和 DexDevMaaS 平台。 文章同时强调：真实真机数据仍然不可替代，世界模型的作用是降本增效，而不是完全取代真实环境。