最近具身智能圈炸锅了！世界动作模型WAM赛道，咱们国内团队直接冲上全球榜单第一。英伟达、OpenAI、Physical Intelligence的一众头部模型，这次都被甩在身后。今天老吴就跟大伙好好聊聊，这家清华嫡系机器人企业，凭什么拿下这场机器人大考的冠军。

不少人天天听大模型，但世界动作模型WAM，很多朋友听着陌生。简单讲，普通文本大模型只会思考、聊天；世界动作模型，就是人形机器人的“行动大脑”，负责看懂真实物理环境、预判物体变化，再指挥机械臂完成抓取、搬运这类实操任务。

这次拿冠军的，是星动纪元自研的VPP2世界动作模型。星动纪元由清华交叉信息研究院孵化，也是清华唯一持股的具身智能企业。

在RoboDojo仿真评测榜单里，VPP2综合平均成功率32.26%，综合平均得分39.26分，两项核心指标双双拿下第一。不光总分夺冠，泛化能力、精细操作、记忆能力三个单项维度，同样排名榜首。

很多人会疑惑，RoboDojo这个榜单含金量到底高不高？业内把它称作具身智能领域的珠穆朗玛峰。这套评测基准由香港大学MMLab牵头，联合全球近20所顶尖学术机构共同搭建，目的就是给机器人建立一套公平、可复现的考核标准。

它的考题一点不“放水”，专门考验机器人的通用能力：换到陌生环境能不能正常干活？物品摆放歪了，还能不能精准抓牢？多步骤任务执行到一半，能不能记住前面的操作？整套仿真测试包含42项双臂操作任务，一共考核五大维度：泛化能力、精细操作、长程任务执行、记忆能力、开放词汇指令理解。想靠死记硬背训练数据、刷熟练度蒙混过关，在这套体系里根本行不通。

最值得细品的一点：VPP2拿到这个成绩，没有额外新增训练数据，也没有借助Agent RSI这类外挂增强策略，全程只用标准数据集训练。

也就是说，分数提升不是靠堆海量数据、靠附加策略刷榜，根源在于模型基座本身泛化能力过硬。这也是这次突破最核心的价值。

现在具身智能行业有个很普遍的痛点：网上各类机器人演示视频看着炫酷，单项榜单分数也越来越高，但通用性很差。

举个大白话例子：训练的时候，在固定桌面抓杯子，百发百中。可一旦杯子换样式、摆放位置偏移，机器人直接“懵掉”，抓取失败。遇到需要连续多步完成的任务，很容易丢失前面的信息，任务半路崩盘。

之所以会出现这个问题，是世界动作模型长期存在的老大难：模型预判环境一旦出错，后续整套动作跟着出错。

星动纪元VPP2给出的解决思路，换了一套训练逻辑：先把视频预测能力练扎实，再驱动机器人执行动作，同步提升环境预测、实体行动两种泛化能力。简单理解，先让AI学会预判接下来环境会发生什么变化，再指挥机器人动手操作，减少预判失误带来的动作失效。

当然老吴必须客观讲清楚一件事：这次是仿真榜单夺冠，不等于真机场景直接达到同等水平。仿真环境是数字虚拟世界，和真实物理场景有差距。仿真高分，代表模型底层能力很强，但落地到实体机器人，还需要持续调试优化，不能直接等同于真实世界全能。

我们再看看这次同台比拼的对手，个个都是行业顶尖选手：GPT-6-Astra、Physical Intelligence的π0.5、英伟达GR00T-N1.7，都是全球WAM赛道标杆模型。在同一套统一标准下，国产模型实现反超，意义完全不一样。过去很长一段时间，世界动作模型赛道，话语权基本掌握在海外科技巨头手里。不管是算力、数据集，还是模型框架，国内团队大多处于追赶状态。

VPP2的突破，证明国内团队在底层模型架构上，走出了一条差异化路线。不是单纯复刻海外方案，而是针对物理预测这个核心短板做优化。而且项目还同步开源代码与项目主页，方便整个行业一起迭代，带动国内具身智能生态成长。

很多朋友会问，这个世界动作模型到底能用在哪？

长远来看，它是人形机器人的核心底座。未来工厂柔性装配、家庭家务机器人、养老陪护机器人、低空配套巡检机器人，都离不开WAM。现在很多机器人只能做预设好的固定动作，稍微改变环境就失灵。而泛化能力强的世界动作模型，能适应多变环境，不用针对每一个场景单独重新训练。

但咱们也要理性看待，不能盲目乐观。目前只是仿真评测取得突破，从仿真到真机落地，中间还有不少难关：实体传感器误差、机械传动偏差、真实环境里的各类干扰，都会影响机器人表现。人形机器人产业化，距离大规模普及还有很长一段路。

可这次的成绩，依然是国产具身智能非常关键的一步。过去国内很多机器人项目，更多是硬件组装，底层动作模型依赖海外方案。而星动纪元VPP2，从模型底层预训练入手，在国际统一评测基准上实现超越，说明国内团队已经具备自研世界动作模型的硬实力。

接下来，随着模型持续迭代，叠加国内人形机器人硬件产业链不断成熟，未来国产具身智能，有望在更多场景落地。WAM赛道的这场赶超，只是一个开始。

#星动纪元 #VPP2 #世界动作模型 #WAM #具身智能 #人形机器人 #RoboDojo #国产AI