训练完就“退场”：光象科技联合清华发布物理原生世界模型Phi-WM 1.0

具身智能公司光象科技联合清华大学李升波教授课题组，发布了第一代物理原生世界模型Phi-WM 1.0（代号ActEffect）。这套方法最“反骨”的地方在于：受控世界模型只在训练阶段上岗，专门检查机器人动作提案会造成什么后果，并把这种检查变成策略优化的反馈；等训练完成，它便退出部署链路，机器人执行任务时无需继续展开未来、搜索候选动作。

光象科技解释，以前的世界模型对机器人来说像随身携带的“脑内沙盘”，机器人先借助它预测未来会发生什么，再据此决定下一步怎么动，模型想得越多，推理链路往往也越长。ActEffect的思路则是让机器人在训练时先交出三份完整动作提案，由受控世界模型逐一预测执行后果，再与演示数据里的真实观测比较，通过排序损失要求精提案比粗提案更接近真实未来、粗提案又胜过最初的前馈提案，把对“后果”的判断写进策略权重。

在实现细节上，受控世界模型不看任务语言，只根据当前视觉状态和动作预测物体位置、姿态与场景结构的变化，无需费力生成逼真的未来画面——这正是“物理原生”的落点；任务语义仍由VLA处理，动作带来的状态变化被单独拎出来学习。为了避免模型钻空子，训练还针对排序损失做了梯度截断：差答案不能靠变得更差来衬托好答案。到了机器人真正上岗那一刻，受控世界模型和未来观测分支会一起拿掉，只留下MIP动作头完成粗提案和精修。

从测试结果看，ActEffect在LIBERO基准上拿到98.8%的平均成功率，比DiT4DiT的98.6%高出0.2个百分点；在加入相机视角、机器人初始状态、语言表述、光照、背景、传感器噪声与物体布局七类分布偏移的LIBERO-PLUS上达到80.3%，明显高于Fast-WAM的51.5%；在需要控制拥有双臂、灵巧手和腰部自由度的GR-1人形机器人、于29维动作空间完成24项桌面操作的RoboCasa-GR1上，平均成功率为67.5%，比表中第二名ABot-M0高9.2个百分点。消融实验显示，去掉后果反馈后，LIBERO平均成功率从98.8%回落到97.0%。

为什么非要让世界模型“退场”？光象科技给出的理由是部署账本：工业机器人每多运行一层模型，都对应新的时延、算力和成本，方案复制到几十个工位、几百台设备后，额外的显卡、功耗和维护都会被放大。现实逻辑很简单：把“多想一会儿”留在训练阶段，把更短的推理链路留给执行。

公司背景方面，光象科技成立于2025年4月，由清华大学车辆与运载学院和人工智能学院联合孵化，创始人兼CEO张涛曾任阿里巴巴高德地图技术总监和空间感知引擎负责人，联合创始人李升波长期从事自动驾驶与具身智能研究。按量子位报道，该公司已围绕焊接上下料、移动质检等典型高价值工位完成真实场景验证，并与多家国内外头部汽车企业展开商业合作；在2026 ATC展会上，团队把Phi-Bot X1机器人放进蔚来汽车焊接上下料场景，机器人连续运行3天、累计作业21.5小时，期间零失误、零中断。

需要分清的是，98.8%、80.3%这些成绩目前来自三项仿真基准，真机这一棒还在推进：21.5小时的连续运行记录来自整套工业具身系统，下一步才轮到Phi-WM 1.0沿着这条真实链路继续接受验证。工厂不会因为一项基准成绩就签字验收，交付后的节拍、精度、安全性、故障率才是真正的门槛，具身智能公司之间的差距也会在这个过程中慢慢拉开。