Magic-W0：结构化世界-动作基础模型，RoboDojo-Sim 拿下 27.1 分
Xuhua Chen · hf · 2026-10-07
论文提出世界-动作基础模型 Magic-W0，将结构化物理状态演化与连续动作联合建模。交互被表示为「当前状态—转移—未来状态」的结构化世界转移：当前状态融合视觉语言上下文与 3D 几何，转移用 3D 运动刻画动作引起的三维变化，未来状态用任务相关的未来语义表示。
架构上采用层对齐的世界-动作交互设计：演化的动作假设条件化世界转移预测，预测出的世界表征又持续反馈给动作生成。模型在大规模第一人称人类操作、UMI、真实机器人与仿真数据上预训练，用预训练视觉模型对几何、3D 运动和未来语义做隐空间监督。
推理时干预实验显示结构化世界表征会系统性响应候选动作变化；在 RoboDojo-Sim 上平均得分 27.10，为对比 WAM 中最高；多个真实机器人任务上经少量数据微调即表现强劲，支持泛化与快速适配。
「具身」频道最新
- 回望 2023：ACT+ALOHA 开创实体 AI 元年，已成经典节点 — lukas_m_ziegler · 2026-10-07
- EAPN 用执行对齐噪声解决重规划模式切换,双臂叠布成功率 96.7% — Di Wu · 2026-10-07
- 两步流去噪把 VLA 推理从 61.6ms 压到 22ms，实现实时机器人控制 — Di Wu · 2026-10-07
- CTP 单次前向预测多模态动作块:LIBERO 成功率 97.25%,推理延迟降至 76ms — Di Wu · 2026-10-07
- 机器人仿真器 RaiSim 回归:2.8.0 主打 CPU 高速仿真+照片级渲染 — ChongZzZhang · 2026-10-07
- LiteReality-Agent 升级：图像转 3D 场景可直接进 MuJoCo 仿真 — elliottszwu · 2026-10-07