阿里达摩院发布跨本体世界模型 RynnWorld-Latent：553.5M 帧联合预训练
Alibaba-DAMO-Academy · hf · 2026-10-28
阿里达摩院联合香港具身智能实验室、CUHK、Hupan Lab 发布跨本体视频世界模型 RynnWorld-Latent，解决异构交互视频难以统一学习的问题——机器人本体动作空间互不兼容，人类视频又缺乏原生控制标签。
方法要点：
- 以 RynnLAM 提出的 3D-grounded 潜动作作为共享条件接口，无需统一原生动作空间即可在人类交互视频、机器人演示与仿真 rollout 上联合预训练
- 基于预训练视频 transformer 构建，组合全局动作 token 与身份初始化的局部通路，将动作对齐到未来视频潜变量
- 在 23 个数据集约 5.535 亿帧上预训练，再通过后训练适配目标机器人
数据生成提供两条路线：数字遥操作（用目标机器人指令生成动作-视频演示）与潜动作合成（将源动作迁移到编辑后的初始帧并配重定向伪机器人动作）。
实验显示视频预测指标提升，合成的 mid-training 数据使 LIBERO 与 LIBERO-Plus 策略成功率提高，两条生成路线均改善了真实机器人的策略成功率。
「具身」频道最新
- Dyna 发布人形机器人 Taku,以工匠精神而非参数表做营销 — heyshrutimishra · 2026-10-28
- PDRVLA 用物理动力学表征刷新 LIBERO 等四大机器人基准 — Hanqing Wang · 2026-10-28
- 开发者让 GPT 控制哈苏相机：自动对焦、触发快门、语音聊天 — rrRadium · 2026-10-28
- 机器人抢工作名场面：帖主调侃式围观演示视频 — alysha_lobo · 2026-10-28
- 首尔大学发布家庭机器人导航安全基准:避撞不等于安全 — SeoulNatlUniv · 2026-10-28
- 早期用户吐槽 AI 硬件:不打开应用就发热,体验平庸 — alexmacgregor__ · 2026-10-28