朱军团队定义通用世界模型：五级路线图与 13 万小时训练数据
机器之心 · wechat · 2026-09-10
机器之心深度解读清华朱军团队论文《General World Models from First-Principles》。要点：
- 框架：通用世界模型的三项核心能力——理解、想象、行动——构成闭环，回应李飞飞（渲染器/模拟器/规划器分类）与 LeCun（潜空间世界模型）之外的第三种视角。
- 五级路线图：L1 世界生成、L2 交互世界、L3 在世界中行动、L4 自主世界智能体、L5 世界组织者。现有系统触及 L1-L3，L4/L5 缺口在因果接地、持久记忆、在线学习与安全控制。
- 数据金字塔：底层为互联网视频，向上依次是领域视频、第一视角人类视频、带动作记录的示范，顶层为真实机器人轨迹。
- Motus2：一套共享参数的视频-动作模型同时充当策略、模拟器和评估器，行动前预演后果、行动后用反馈改进；训练使用约 13 万小时人类第一视角数据与 100+ 小时机器人轨迹，辅以轻量触觉专家处理接触力反馈。
- 架构：MoT（Mixture-of-Transformers）让各模态保留专家参数、通过共享注意力交换信息，平衡统一建模与训练冲突。
文章认为世界模型竞争将从 Demo 震撼度转向系统经受真实反馈的能力。
所属事件:朱军团队提出通用世界模型框架，中国 AGI 双路径受关注(2 条相关)→
「具身」频道最新
- Spiced Self-play 入选 CoRL:30 分钟人类数据足以校准自博弈 — EugeneVinitsky · 2026-09-10
- 特斯拉 FSD 斯洛文尼亚暴雨实测：监督驾驶表现惊艳 — yunta_tsai · 2026-09-10
- 赛博格蟑螂上岗：灾难现场用针头送救命药 — ChuckDBrooks · 2026-09-10
- Maven Robotics 出鞘：1 亿美元 A 轮现身抢单 — TechCrunch AI · 2026-09-10
- 头戴摄像头变机器人训练数据:MicroSLAM 单目 SLAM 登顶 LaMaria 榜 — lukas_m_ziegler · 2026-09-10
- 马斯克点赞车主「买了特斯拉基本退役不开车」言论 — elonmusk · 2026-09-10