國產(chǎn)具身世界模型「破曉時刻」！中科第五紀(jì)FlowWAM登頂全球榜單

機(jī)器之心發(fā)布

最近業(yè)界的一系列動態(tài)勾勒出了一個清晰的趨勢：具身智能正在告別單純的「視覺模擬」，正式跨入「空間理解」的新階段。

近日，全球具身世界模型基準(zhǔn)評測 WorldArena 更新最新榜單。由中科第五紀(jì)研發(fā)的最新具身世界模型 FlowWAM，憑借其在物理與空間理解上的卓越表現(xiàn)，成功登頂 WorldArena 榜單，展示了國產(chǎn)模型在處理動態(tài)交互時的驚人準(zhǔn)確度與真實(shí)性。

榜單地址：https://huggingface.co/spaces/WorldArena/WorldArena

此次霸榜再次驗(yàn)證了國產(chǎn)具身世界模型在該領(lǐng)域的快速崛起，并凸顯了當(dāng)前行業(yè)向真實(shí)世界理解的轉(zhuǎn)型趨勢。

01 核心戰(zhàn)績

兩大評測維度第一，強(qiáng)化空間認(rèn)知

與以往追求「畫面好看」的評測不同，WorldArena 的評價(jià)維度更為全面，包括了 6 個大維度及其包含的 16 個小維度。

FlowWAM 在其中 2 個大維度評測上展現(xiàn)了壓倒性的優(yōu)勢，標(biāo)志著其不只是視頻生成器，還能為機(jī)器人提供精準(zhǔn)的物理空間認(rèn)知能力。

• Physics Adherence（物理遵循）第一：拒絕「視覺欺騙」，復(fù)刻真實(shí)交互，緩解了生成式模型常見的「虛假交互」問題。在交互質(zhì)量（Interaction Quality）方面，它生成的機(jī)器人動作在接觸行為、力傳導(dǎo)等方面展現(xiàn)了很高的真實(shí)性；特別是在軌跡準(zhǔn)確度（Trajectory Accuracy）方面，它的時空對齊表現(xiàn)是所有模型中最強(qiáng)的。這意味著，它預(yù)判的不僅僅是畫面，更是符合物理規(guī)律的精確作業(yè)路徑。
• 3D Accuracy（3D 準(zhǔn)確度）第一：重建三維幾何，消除空間幻覺，生成超越圖像表象的真實(shí)空間結(jié)構(gòu)。特別是在深度準(zhǔn)確性（Depth Accuracy）方面，其生成的幾何一致性與真實(shí)場景非常吻合，緩解了單目視覺下的尺度歧義，是所有模型中最強(qiáng)的；在透視合理性（Perspectivity）方面，無論是隨深度變化的尺度縮放，還是復(fù)雜的光影遮擋關(guān)系，它都展現(xiàn)了極強(qiáng)的 3D 邏輯。

兩大維度雙雙第一，意味著 FlowWAM 能夠在涉及物理理解與空間重建的真實(shí)世界任務(wù)中表現(xiàn)更加精準(zhǔn)和可靠。

02 分析 FlowWAM

具身大腦的進(jìn)化之路

FlowWAM 是中科第五紀(jì)在具身智能領(lǐng)域的最新力作。回顧其技術(shù)路徑，可以清晰地看到團(tuán)隊(duì)在具身大模型研發(fā)上的主要思路：

1. FAM-1（超少樣本具身操作模型）：通過引入 3D 熱力圖進(jìn)行二次預(yù)訓(xùn)練，有效減少了模型在空間理解方面的信息損失，實(shí)現(xiàn)了在極少數(shù)據(jù)下的快速微調(diào)，讓機(jī)器人具備了初步的少樣本泛化操作能力。
2. BridgeV2W（第一代具身世界模型）：通過把不同本體的機(jī)器人行為進(jìn)行空間像素化，有效緩解了「動作序列到視覺畫面」的表征鴻溝，實(shí)現(xiàn)了跨本體下的未來視頻準(zhǔn)確生成，讓機(jī)器人具備了初步的跨本體可靠操作能力。
3. FlowWAM 階段：作為中科第五紀(jì)推出的最新一代具身世界模型，盡管具體架構(gòu)細(xì)節(jié)尚處于保密階段，但從其命名的「Flow」可以窺見，該模型大概率在物理空間的動態(tài)流動性與因果預(yù)測上實(shí)現(xiàn)了突破，最終在物理遵循和 3D 準(zhǔn)確度方面展現(xiàn)出明顯的優(yōu)勢。

03 國產(chǎn)具身世界模型的「破曉時刻」

在 WorldArena 榜單的前列，除了中科第五紀(jì)之外，我們看到了大量來自中國團(tuán)隊(duì)和科研機(jī)構(gòu)的身影。這反映了一個重要趨勢：在全球具身智能競爭的今天，中國團(tuán)隊(duì)正在具身世界模型這一核心戰(zhàn)場上異軍突起。

相比于海外巨頭在通用視頻生成（如 Sora、Gen-3）上的先發(fā)優(yōu)勢，國內(nèi)具身智能賽道正表現(xiàn)出更強(qiáng)的「垂直攻勢」：

• 從感知到認(rèn)知：不再滿足于「簡單看懂」，而是追求「深度理解」。
• 從仿真到落地：切實(shí)轉(zhuǎn)化為工業(yè)、物流、服務(wù)等場景的實(shí)際生產(chǎn)力。

隨著具身智能步入 2026 年這一關(guān)鍵應(yīng)用元年，國產(chǎn)具身世界模型已經(jīng)站在了具身智能領(lǐng)域技術(shù)發(fā)展的制高點(diǎn)。