阿里用世界模型做数字遥操作
量子位 · wechat · 2026-07-17
阿里达摩院提出了 **RynnWorld-Teleop**，把“真人遥操作真机器人”改成了“真人手势驱动生成式世界模型”，让系统在数字世界里直接合成机器人第一人称视频，并自动生成关节级动作标签。 文章重点说明了这套 **数字遥操作** 的三项关键条件与实现方式：机器人第一视角、动作可回溯、且能实时交互；对应技术包括深度感知骨骼渲染、渐进式跨域训练，以及把双向视频扩散模型蒸馏成可 40FPS 实时运行的因果学生模型。 实验上，RynnWorld-Teleop 生成的数据可以直接训练真实机器人策略：在双臂灵巧手任务上，零真机数据也能得到可用策略；把合成数据叠加到真机数据后，多数任务成功率继续提升，说明合成轨迹在像素和特征分布上都足够接近真实数据。