专题 · FULL STORY

Ropedia 超级周：连发六项具身智能成果

具身智能数据公司 Ropedia 宣布 10 月 19 日至 23 日举办「超级周」，五天连发六项以第一人称人类数据为核心的成果；活动首日开源世界基础模型 W0，用 1 万小时人类视频验证机器人学习的 Scaling Law。

2026-10-16 ~ 2026-10-20 · 2 集 · 8 条

第 1 集 · Ropedia 将办超级周，五天连发六项具身智能成果(2026-10-16,3 条)

具身智能数据公司 Ropedia 宣布将于 10 月 19 日至 23 日举办「超级周」（Super Week），连续五天发布六项成果，核心卖点是第一人称人类数据如何推进具身 AI。按日程，周一发布 Ropedia W0 机器人世界模型，后续成果覆盖双手机控等技术方向，从世界模型到机器人操控均有涉及，引发社区关注。

第 2 集 · Ropedia 开源世界模型 W0：1 万小时人类视频验证机器人学习 Scaling Law(2026-10-19,5 条)

Ropedia 开启「Super Week」连续发布活动，首日推出并开源世界基础模型 W0：一个以自我中心（egocentric）视角为核心的潜在视频扩散模型，用约 1 万小时第一视角人类视频训练，让机器人在行动前先预测物理世界的后果。团队同时提出「Human Experience Scaling Law」，在固定后训练配方下，人类视频预训练量从 180 小时增加到 1 万小时可持续改善世界模型表现（如相机跟随误差下降）。

已确认

  • 模型架构与规格：W0 采用潜在视频扩散架构，提供稠密 5B 与 14B 激活参数的 MoE 两个规格。
  • 训练数据：约 10,000 小时第一视角人类经验数据（配套 Xp-Teleop 数据集），统一学习 loco-manipulation（移动+操作）。
  • 跨本体能力：通过统一运动学接口（含相机位姿处理），单一模型可统一预测人类、机械臂等不同本体行动后的世界变化，实现操控能力从机械臂到其他本体的迁移，主张「不同机器人，共享一个世界模型」。
  • 开源：W0 模型已发布并开源。

为什么重要

  • 世界模型让机器人「先预测、再行动」，有望降低真机试错成本，是具身智能的重要路线。
  • 人类视频数据远比机器人真机数据廉价易得，若 Scaling Law 成立，为机器人学习提供了一条可扩展的数据路径；跨本体统一建模则可能避免为每类机器人单独训练模型。