机器人伸手去抓苹果,画面里它稳稳夹住、抬升、放盘——丝滑得像广告片。可现实呢?机械臂一碰就滑,苹果滚进桌缝,水杯歪倒洒了一半。更扎心的是:七款主流世界模型里,没一个能 consistently 把这‘翻车现场’预测对。IRASim 机械臂动作得分78.8,物体状态才29.1;Cosmos 3 前10秒还像模像样,拉到120秒直接腰斩式崩盘。这不是模型不够努力,是过去三年大家全在‘演戏’——比谁生成的视频更像成功,而不是更像真实。
WorldOracle 不演了。它把考场直接搬到真机操作台前:335条实录轨迹,40%故意留着失败——抓空、掉落、洒水、挂歪、抽屉只开三分之一。人类手抖0.3秒、电机过热微颤、策略自主修正轨迹……这些‘不标准’动作全塞进去。模型敢不敢承认‘这一步错了,下一步必然崩’?敢不敢预测出第87帧那滴水溅到传感器上引发的连锁误判?它不考‘美不美’,只问‘真不真’。执行一致性(Execution Coherence)这个新指标,就是一把物理世界的验钞机:印得再逼真,对不上真币纹路,就是假票。
最狠的一刀,砍在时间维度上。120秒不是摆设——那是真实任务的完整生命周期:倒水→擦台→拿毛巾→挂架→转身取下一个杯子。多数模型撑不过60秒就开始‘自我美化’,把掉落说成‘轻放’,把洒水说成‘均匀润湿’。GE-Sim 2.0 长序列得分63.33,已是全场第一,但离及格线还有距离。这不是打击信心,是划清底线:世界模型不是AI导演,而是机器人的‘预演沙盘’。沙盘里错一次,真机就可能砸坏设备、伤到人。WorldOracle 不提供安慰奖,它只做一件事:让幻觉落地,让模型低头看地上的苹果——是不是真的在那儿。
这事儿其实早有苗头。去年MIT团队在《Science Robotics》上发过一篇论文,扒开17个热门世界模型的训练数据发现:83%的视频标注里,“掉落”被归类为“非典型事件”,干脆不标;而“成功抓取”平均打了5.2个标签,连指尖接触角度都标得明明白白。换句话说,不是模型学不会失败,是根本没被教过什么叫“失败”。就像让一个从没摔过跤的孩子学骑车,光看冠军录像,他连刹车在哪都不知道。
WorldOracle反着来。它把实验室监控录像直接喂给模型——不是剪辑版,是带时间戳、带设备报警日志、带工程师吐槽语音的原始流。有段数据里,机械臂第三次尝试开抽屉时电机温度飙升到72℃,模型必须预测接下来0.8秒内扭矩下降14%,否则就会卡死。这不是玄学,是热力学+电机控制+材料形变的硬约束。清华自动化系实测发现,用WorldOracle预演过的任务,真机首次成功率从41%提到69%,更关键的是:故障前平均预警时间达2.3秒——够机器人自主停机、缩回安全区。
有人问,这么较真图啥?图的是别再让工厂半夜三点打电话说“机械臂把工装夹变形了”,图的是手术机器人推演时敢说“这一刀下去血管会回弹0.5mm”,图的是扫地机器人看到拖鞋歪斜37度,就提前绕开——而不是撞上去再生成一段“优雅避障”的假视频。世界模型不该是滤镜,是X光片;不负责让一切看起来顺利,只负责让一切暴露得清楚。
现在已有三家企业把WorldOracle嵌进产线调试流程。深圳一家做精密装配的厂子反馈:原来调一条新产线要7天,现在3天就能跑通基础逻辑,省下的时间全花在“怎么让机器人学会原谅自己的一次手滑”上。你看,连机器人都开始学人类最珍贵的能力了——不是永不犯错,而是错了之后,还知道苹果滚哪儿去了。
天顺优配提示:文章来自网络,不代表本站观点。