华为云开源 CloudRobo-WM1.2,昇腾原生的具身世界模型在 RoboTwin 2.0 与 LiberoPro 2.0 两项基准中排名第一
要点
11 月 16 日,华为云在 CloudRobo 具身世界模型发布会上发布并开源了一款具身世界模型,型号为 CloudRobo-WM1.2,技术底座原生构建于昇腾,发布与开源在同一场合完成。发布方把这款模型的能力归纳成四项:理解世界、预判未来、生成动作,以及支撑规模化学习。四项…
11 月 16 日,华为云在 CloudRobo 具身世界模型发布会上发布并开源了一款具身世界模型,型号为 CloudRobo-WM1.2,技术底座原生构建于昇腾,发布与开源在同一场合完成。发布方把这款模型的能力归纳成四项:理解世界、预判未来、生成动作,以及支撑规模化学习。四项能力被收进同一个模型,而不是拆成几套需要彼此对接的组件;模型规模上去之后,可以复用的仍然是同一套方法。围绕这组能力,它被定位为让具身智能从模型研究阶段走向复杂物理场景应用的技术基础,用来加快机器人技术从实验室走向实际生产。
架构上,预测与动作生成被收进同一套系统,而不是两个各自独立的部分。预测侧,共享世界模型骨干网络承担预测增强的世界表征,模型先在表征层面推演环境接下来会怎样变化,把未来场景的预测结果留在同一份内部状态里;动作侧由世界模型原生 DualAct 架构直接输出世界模型原生的动作,不必再外挂一个独立的策略模块。判断与给出动作出自同一份内部状态。
技术配置上,模型给出的是一份五项清单。PPA 多模态世界表征架构承担多模态输入的理解,是其余各项的共同基础;多粒度监督数据自适应预训练框架负责训练阶段,让模型适应不同规模与不同标注程度的数据;本体语义保真跨具身运动建模用于在不同形态的机器人之间保持语义一致;动作侧沿用世界模型原生 DualAct 架构;推理侧由 World/Expert Action 与 Joint/Action-only 两条路径组合出四种可按需组合的弹性推理模式,可以按部署现场的算力条件取用。五项技术合起来,正对着具身智能走出实验室时常遇到的三类困难:多模态物理理解难、跨本体泛化难、实时推理算力成本高。分别落在物理理解、本体泛化与算力开销上。
评测方面,该模型在 RoboTwin 2.0 与 LiberoPro 2.0 这两套基准上的排名都是第一;训练侧使用的是国产算力昇腾。横向比较用的是公开基准,训练本身则在国产算力上完成,评测结论与训练条件指向的是同一款模型,而不是分属两套不同的技术方案。
开放的不只是模型本身。华为云把训练框架与 WAM 昇腾算力最佳实践一并开放,面向模型厂商、本体厂商、行业伙伴与最终客户,帮助他们在昇腾云上更高效地开发模型与应用。开放的范围因此覆盖到开发与部署的整条链路:训练怎么跑、算力怎么配、模型怎么落到昇腾云上的业务里,都有对应的材料可以取用。
把时间线往前推,2025 年 6 月华为云发布过 CloudRobo 具身智能平台,本次是该产品线在模型方向上的延续。
作为背景,先看这类模型本身。世界模型是一类依靠学习物理世界的运行规律,去预测或生成未来场景画面的模型。它可以接收文本、图像、视频等条件作为输入,产出的画面需要符合重力、碰撞、流体动力学这些物理约束。按昇腾官方具身智能开源样例库的说明,这类模型可用于策略评估、合成数据生成与闭环仿真等任务。
工程条件也在同一侧。昇腾的具身智能开源样例库针对具身智能领域的典型模型与加速算法,提供基于 CANN 平台的优化样例,目的是让开发者能在昇腾平台上更快地部署和优化具身智能模型,降低开发门槛,加速应用落地。它把操作类、世界模型、导航、运动控制以及 3D 视觉等典型场景都纳了进来;覆盖的硬件包括 Atlas A2、Atlas A3 与 Ascend 310P 等型号,其中的世界模型样例可以在虚拟环境中预演并验证行为决策,让策略在真正装到机器人之前先跑一遍。




冀公网安备13068102000496号