代码 Agent 这两年为何进步飞快，成为 AI 界的宗门大师兄？
因为这玩意儿自己个儿就超！闭！环！的！
代码 Agent 可以自动执行、自动验证、自动反馈。写了代码跑一下就知道对不对，奖励信号非常清晰明确。
这给后训练（Post-training）阶段的自反馈闭环提供了完美条件。
同样是 AI 界大热门，具身智能目前就缺少这种"神助"。
它面对的物理世界比代码 Agent 面对的世界复杂多了，而且很难得到即刻验证。
它接收的信号不像代码那样有一个编译器就能判定，它们模糊、昂贵，而且每一次真机试错都意味着真金白银的人力和硬件损耗。
VLA（视觉 - 语言 - 动作模型）是具身智能中最早受到关注的技术路线。
但很快，大家发现这个技术存在物理理解缺失、泛化能力极弱、长时序与规划能力不足等等问题，做不到"一家独大"包打天下。
大家有点着急。后来，世界模型又成了行业里的新宠儿。
但世界模型似乎也不是灵丹妙药（至少目前来看是这样的）……
这也不行那也不行，具身智能，你到底要怎样啊？？
这个时候，原力灵机相关负责人站出来表态：
我觉得特别愚蠢的一件事情是在「技术路线」上给自己贴标签。这件事情是特别蠢的。
应该以目标导向。你要解决什么问题，挑选对应的方法去解决它，而不是说我是什么方法的、什么流派的，为此来证明只有我才是标新立异的。
他介绍，大约今年过年前，原力灵机意识到可将世界模型作为后训练的一部分。
一晃眼半年过去了。这个月，原力灵机发布了旗下首款具身世界模型 DW0.5，并将它接入世界模型驱动的具身智能后训练框架 DFOL2.0。
"这套基模支持多模态输入，包括任务指令、图片和视频，还能选定机器人类型。我们可以凭借历史动作，预测后续视频状态。"原力灵机联合创始人汪天才说。
他介绍道，DW0.5 用上万小时真机、多视角数据完成联合预训练，仿真能力很强，能生成各类画面。
不光能做出机械臂正常作业的视频，就算参考错误动作，也能还原任务失败的场景，以此支撑 DFOL2.0 框架的在线强化学习训练。
DW0.5 作为一个高保真仿真器，把强化学习搬进虚拟世界。
VLA 先给出候选动作，DW0.5 在虚拟环境中预演未来，判断成功、失败与偏离风险，再把可用反馈送回强化学习。
按其披露的数据，这套流程可让后训练中真机数据需求骤降 60%，整体训练成本下降 40%。
具身智能行业急需低成本反馈闭环
想了解 DW0.5，咱们先来看清它解决了什么样的行业问题。
具身智能属于物理 AI，它的目标是让机器人在不同环境、不同物体和不同失败条件下持续变强。
可惜后训练飞轮一直跑不起来。
真机一次 rollout 需要占用机器人、场地和人工，一次动作失败可能直接让任务中断；人工反馈虽然更接近真实判断，但难以高频覆盖每个中间状态；仿真环境成本确实低很多，但现实中的接触、遮挡、反光、形变和不确定性又很难被完整复刻。
基于这个现实，原力灵机从技术侧提出了判断：VLA 需要一个介于真机、人工反馈和传统仿真之间的训练环境。最好它足够便宜、能支持高频探索，还更接近真实操作过程。
然后新的办法就被脑暴出来了。
用真实 Rollout 数据校准世界模型，世界模型支持低成本大规模的环境与数据生产，新的 policy 再回到真实环境验证和收集数据。
DW0.5 就承担了原力灵机 VLA 模型（DM0.5）后训练中的 Learned Environment 的角色。
DW0.5 三大专家模块重构仿真逻辑，全方位提升泛化能力
DW0.5 能预测动作执行后的未来状态，甚至生成失败轨迹，并对任务进度打分。
具体而言，DW0.5 以 Video Expert、Action Expert、Value Expert 三大专家模块组成能力链路。Video Expert 与 Action Expert 共同服务动作后果预演，Value Expert 负责价值评估与反馈构造。
这三个设计的思路各有讲究。
设计一：Action 是强先验，而不是软提示
在部分世界模型里，动作信息只是一个附带的条件输入。但 DW0.5 把动作当成结构性的强先验。
它必须知道"机械臂在往这个方向移动"，才能预测出物理上合理的后续画面。
DW0.5 把 action 当作视频生成的一等条件，通过结构化的帧级对齐强制绑定。
在 MoT（Mixture of Tokens）注意力中，动作序列与视频序列拼接，并用 group-diagonal attention mask 切断视频帧与非对应动作之间的信息通路。
从结构上，执行向左推和向右推的动作，从一开始就走向完全不同的计算路径。
讲道理，我们观察到近期学术界对这个技术趋势有范围不小的探讨，即主流 VLA 不做视频预测，只做 observation 到 action 的映射。
DW0.5 这类用视频预测作为辅助监督的模型，理论上能学到更强的因果动态理解。
设计二：能模拟失败，才配得上叫"仿真器"
只有成功轨迹数据训练的模型容易形成过强的成功偏置，这样的系统无法识别错误动作，更谈不上为强化学习提供惩罚信号。
同时，失败轨迹数据的价值对后训练来说挺珍贵的。
因此 DW0.5 被明确要求能够生成"做砸了"的视觉轨迹，让 Value Expert 可以对比成功与失败的差异，给出有区分度的打分。
△成功
△失败
其数据策略围绕模拟失败设计，让模型既学习"应该怎么做"，也学习"做错了，世界会变成什么样"。
团队表示，DW0.5 有四类数据源：
具身公开数据与自采机器人数据（包含遮挡、接触、延迟等真机噪声）
互联网视频数据（补充开放世界动态）
Egocentric 第一视角人类活动数据（迁移真实物理交互后果）
真机与仿真 rollout 数据（覆盖偏离、卡住、恢复等中间状态）
设计三：Value Expert 把未来变成可训练的反馈
这是 DW0.5 从"视频世界模型"走向"训练环境"的关键一步。
Video Expert 模拟动作后果，Value Expert 把后果转成可优化信号，两者结合，才构成完整的 RL 训练闭环。
DW0.5 引入 Value Expert 是为了把生成的未来转化为更密集的价值信号。
具体讲，Value Expert 它对当前状态、候选轨迹或整段 rollout 给出成功概率或任务价值评估，将稀疏的任务结果信号转化为可以在每一步使用的中间反馈。
在闭环系统中，Value Expert 可以用于：
候选动作筛选：对多个 rollout 打分，让 VLA 选择更可能成功的未来。
RL 后训练的 reward 信号：在世界模型环境中对 VLA 做策略优化，无需频繁占用真机。
部署时的在线监测：发现当前状态偏离成功路径，及时触发重新规划或失败恢复。
数据显示，DW0.5 的 Value-Order Correlation 达到 95% 以上。
三个设计服务同一个闭环，让 DW0.5 在 VLA 的训练和部署中扮演离线数据增强与偏好构造、RL 后训练环境、部署时规划与安全评估三种角色。
依托 DW0.5 训练 - 调优 - 部署的全闭环赋能能力，模型在工程化泛化表现方面同样值得关注。
1）高阶指令与多步动作跟随
模型不仅能精准理解" Pick up the hammer, lift it into the air, and hold it steady（拿起铁锤、举至空中并保持稳定）"等高难度多步长指令，还能丝滑实现跨构型的动作跟随。
2）多维连续泛化
在面对复杂长尾场景时，展现出了强大的跨环境、跨任务、跨构型的泛化生成实力。
△跨本体
△跨任务、跨环境
3）多视角强一致性
在模拟生成机器人前视、左腕、右腕等多相机流时，展现出完美的空间与时序一致性。
4）动作 - 视频生成高度一致性
能够直觉化地理解人类的双手操作视频，并将其丝滑且等效地生成为机械臂的操作轨迹。
△左上为生成的视频，左下为初始帧，右侧为 action condition 可视化让世界模型在具身智能产业大规模落地
说了这么多架构和原理，最终还是要回到一个问题：
DW0.5 到底怎么用？
整体来看，DM0.5 作为基础策略模型，DW0.5 负责动作后果预演与价值反馈，RL 将两者链接。
基座模型 DM0.5 先生成一批初始动作，推给世界模型 DW0.5
—→ DW0.5 当仿真器，在虚拟环境里把这些动作会导向的未来"跑"出来，批量生成成功和失败的轨迹
—→再由一个强化学习教练员 CFG-RL，给每条轨迹的任务进度打分（成功的价值一路走高，失败的价值断崖下跌）
—→打分和奖励实时回传，更新模型权重，喂出一个更强的 DM0.5
这个循环里大部分数据由 DW0.5 在线生成，不用全部靠真机翻来覆去高成本地去试。
噫吁嚱！
具身智能的世界里，世界模型终于有了一个明确的、能规模化应用在机器人部署过程里的岗位！
纸上谈兵终觉浅。可以看到，在打气球、晾衣服、叠纸盒等高难度复杂任务中，接入 DFOL 2.0 的模型相比单纯 SFT（监督微调）基线，关键步骤成功率骤然提升。
打气球任务："给气球打气"这一步成功率从 10% 升至 90%；"气筒插入气球"成功率从 10% 跃升至 100%。
晾衣服任务："成功挂上衣架"这一长时序操作的 SFT 成功率仅 50%，DFOL2.0 加持下翻倍至 100%；"衣架塞入衣服"的成功率也从 60% 提升到了 90%。
叠纸盒任务："叠右侧纸盒"和"叠左侧纸盒"两大难点步骤，成功率分别从 35% 拉升到了 55% 和 50%。
评测集这边，DW0.5 还在 EWMBench、WorldArena 等基准测试中横扫榜单，分别以 4.73、73.54 的分数，斩获全球 SOTA（数据截至 7 月 9 日）。
真实部署进展方面，原力灵机表示 DW0.5已在内部跑通具身后训练闭环流程 DFOL 2.0，开始承担数据生成、价值评估和策略迭代工作。
同时，这套技术能力已接入原力灵机推出的 DexDev MaaS（Model As a Service）平台。
对于特定具身场景中零样本泛化能力不足的模型，可通过后训练补足能力，并接回平台服务。
值得强调的是，原力灵机再三对量子位强调并肯定了真实数据无可替代的价值。
"我们只是用世界模型降低成本，真机数据还是很重要的。在技术演进上，世界模型目前仍需真机校准。"原力灵机联合创始人汪天才说。
我们问原力灵机，关于世界模型在具身智能领域的运用，还有哪些其他想法？
得到的答案是这样的——
随着视觉模型能力的不断提升，现场人员可以借助 Ego 相机采集操作数据，减少对专业真机采集和复杂后训练团队的依赖，降低现场后训练的门槛。
那么，就让时间来检验这个答案吧～
GitHub
https://github.com/dexmal/opendw
Hugging Face
https://huggingface.co/Dexmal/DW05-Base
一键三连「点赞」「转发」「小心心」
欢迎在评论区留下你的想法！
— 完 —
� � 点亮星标 � �
科技前沿进展每日见
金御优配提示：文章来自网络，不代表本站观点。
