40 亿参数模型拿下 6 个评测第一,西湖大学团队押注「概念世界模型」
西湖世界模型研究中心成立,施一公亲自揭牌。 作者丨张岂萍 编辑丨幸丽娟 世界模型赛道已经不缺创业公司。海外李飞飞、Yann LeCun 等学术大佬亲自下场,国内极佳视界、逆矩阵、流形空间等创业公司高密度入场。但最近几个月,入场的力量开始发生变化,下场的不再只是公司,高校和地方政府也开始组织力量,参与这场技术竞争。今年 …
作者丨张岂萍
编辑丨幸丽娟
海外李飞飞、Yann LeCun 等学术大佬亲自下场,国内极佳视界、逆矩阵、流形空间等创业公司高密度入场。
但最近几个月,入场的力量开始发生变化,下场的不再只是公司,高校和地方政府也开始组织力量,参与这场技术竞争。
今年 7 月,北京大学与逆矩阵科技成立世界模型联合实验室。10 月,由极佳视界牵头的通用世界模型北京市重点实验室揭牌。一个是高校与创业公司联合研发,一个是北京市支持建设的重点科研平台。
如今,西湖大学再落一子,成立世界模型研究中心。西湖大学校长、中国科学院院士施一公亲自揭牌。

与研究中心同时亮相的,还有首版基础模型 Awomo-0.5。这款仅有 40 亿参数的模型,在6项国际公开评测的不同榜单中同时登顶,涉及物理推理、机器人操作和泛化等任务。
更值得关注的是,西湖大学团队已经开展了三年世界模型研究,建有自主智能实验室 AutoLab。
有实验室,还有阶段性技术成果,为什么还要成立一个校级研究中心?先看它想把世界模型做到什么程度。

01
40亿参数“概念世界模型”,瞄准通用物理智能
西湖大学团队发布的首版基础模型 Awomo-0.5,定位是通用物理世界模型。它希望让 AI 学习能够跨场景复用的物理规律,理解物体之间的关系,并预测真实世界接下来会发生什么。
这款模型只有 4B(40 亿)参数,采用的是“概念世界模型”(Concept World Model)技术路线。

目前,一部分世界模型研究主要通过生成未来视频,模拟环境和物体的变化。西湖大学团队选择了另一种思路:不把逐帧生成画面作为核心目标,而是尝试在模型内部建立物理概念的表示。
这条路线与Yann LeCun 推动的 JEPA 同属隐空间路线,但有所区别。
JEPA在潜空间里做表征预测,概念世界模型是把潜空间里的内容定义成可组合的物理概念,让每个概念同时对应语言描述和物理现象。
具体来说,物体属性、空间关系、材质和接触状态等信息,会被转化为隐空间中可以组合、复用的物理概念,再利用这些概念推演后续状态。
比如,一个杯子滑向桌边,模型需要判断的不只是下一帧画面长什么样,还包括杯子会不会掉落、受到外力后可能发生什么变化。

西湖大学校长、中国科学院院士施一公在揭牌仪式上这样解释世界模型的意义:
“世界模型,就是要赋予人工智能‘格物致知’的智慧和‘见微知著’的洞见——探索物理世界的规律,推演真实世界的运行,从‘观世界’走向‘世界观’。”
这也指向 Awomo-0.5 的核心目标:让模型掌握的物理知识能够跨任务、跨领域复用。
要实现通用物理智能,关键能力之一就是泛化。
简单说,泛化就是模型能不能把已有知识用到没见过的场景中。例如,机器人在固定货架前学会抓取,换一个货架,或者面对不同的物体组合,还能不能完成任务?
团队公布的评测结果里,有两项比较能说明问题,重点都在“换了环境行不行”。
第一个是 RoboTwin-c2r。50 项双臂操作任务,从抓取、堆叠到开合、旋转都有。测试方式是先在一个干净、固定的场景里跑通,然后把物体位置和布局全部打乱,再看模型还能不能完成。
也就是说,给机器人一个新的环境设置,让它依靠自身能力去应对新的环境和任务。Awomo-0.5 在这个测试里的成功率是 80.6%。
第二个是 MolmoSpaces。这是由 AI2(艾伦人工智能研究所,微软联合创始人保罗·艾伦创办的非营利实验室)推出的开放评测平台,也是具身圈公认的零样本操作硬核基准。
它包含 23 万多个场景、13 万多个带物理标注的物体,测试全程零样本,模型在评测前没有见过这些房间、物体和指令。任务本身不复杂,抓、放、开、关而已,但场景没去过、物体没摸过、说话方式也可能跟训练时不同。
它考的就是迁移能力:在一个环境里学到的操作,能不能搬到另一个环境里直接用。Awomo-0.5 在这里拿到了 73.4%。
两项测试分别从环境扰动和跨场景迁移两个角度,检验了模型的泛化表现。
这些成绩为概念世界模型的技术路线提供了初步验证,但现阶段结果集中在机器人仿真操作领域,距离证明模型具备真正的跨领域通用能力,还有不少路要走。

在行业多把世界模型锚定具身场景的背景下,
原文出处:雷峰网 (本文由聚合程序自动采集,版权归原作者所有)