自变量WALL-SS模型突破瓶颈，机器人虚拟训练可迁移至真机

APPSO · wechat · 2026-08-27

世界模型试图通过虚拟预演帮助机器人降低试错成本，但常面临“磁铁式抓取”和长时记忆漂移等问题。自变量机器人发布的自回归世界模型WALL-SS通过“下一尺度自回归”生成画面，确保动作真正改变结果；利用“尺度压缩记忆”保持长时任务连贯；并通过“梦境强迫”和“视觉动力学在线策略对齐”提升策略筛选的可靠性。

在评测中，WALL-SS在动作跟随和轨迹精度上大幅领先对比模型。实验显示，其在虚拟世界筛选出的策略优劣与真机测试结果的相关系数达0.926，证明虚拟成绩能有效指导真机测试。此外，结合动作专家，该系统在桌面双臂任务中表现优异。这为具身智能从Demo走向现实应用提供了更高效的训练与评估路径。