共计 1117 个字符，预计需要花费 3 分钟才能阅读完成。
具身智能的竞争正在从“会说、会看”走向“会动、会做”。 复旦系科创企业眸深智能近日推出 STI-WM 时空一体世界动作模型 , 定位为面向机器人原生场景的通用具身大脑, 试图把空间理解、时间推演、物理约束和动作执行纳入同一套框架。
📌 从大模型走向物理世界, 机器人需要新的“脑”
过去一段时间, 视觉语言动作模型、世界模型和视频推演方案成为具身智能的重要路线 。但在真实机器人任务中, 单纯“看起来合理”并不够: 机械臂要避开碰撞, 人形机器人要保持稳定, 服务机器人还要能根据环境变化随时调整动作。
眸深智能提出的 STI-WM, 核心思路是把机器人与物理世界的交互直接落到动作层面 。与依赖大语言模型再适配机器人的方案不同, 该模型强调面向长时序任务规划、在线闭环控制和真实物理交互进行原生设计。
🔍 STI-WM 主打时空一体与物理一致性
根据公开信息,STI-WM 可接入 RGB 图像、深度点云以及机器人本体传感等多模态输入 , 并将环境信息编码为时空潜在世界状态。上层用于较长时间尺度的任务推演和轨迹规划, 下层则输出更细粒度的动作片段。
该模型被概括为四个统一: 空间结构、时间演化、物理一致性和执行鲁棒性。 其目标是让机器人在“理解世界—推演未来—规划动作—执行纠错”的闭环中工作 , 而不是依赖多个割裂模块拼接完成任务。
💡 六个技术看点值得关注
- 时空一体化建模: 让空间状态与时间动态同步耦合, 减少模块拼接带来的信息损耗。
- 三维感知: 利用点云等输入还原物理空间, 提升对深度和结构的判断能力。
- 物理约束: 引入碰撞检测、动力学约束等机制, 降低不可执行动作风险。
- 长时程规划: 面向连续复杂任务, 而不只停留在短片段动作生成。
- 端侧部署: 通过压缩、量化、蒸馏等方式, 降低机器人端侧算力门槛。
- 小样本泛化: 采用虚拟世界预训练与少量真机微调结合, 以适配更多长尾场景。
📊 团队与产业化: 融资和合作同步推进
眸深智能核心团队源自复旦大学深度学习实验室, 公开资料显示 , 团队长期布局世界模型、三维感知和时序动作生成方向, 并曾推出 MotionGPT、HL3DWM 等相关成果。其团队成员构成涵盖科研、工程和商业化角色。
商业层面, 眸深智能称半年内完成 5 轮融资 , 其中 3 亿元 Pre- A 轮融资获得超额认购。公司还披露已与宇树科技、禾川科技、颐家养老等企业开展合作, 应用场景覆盖工业制造、居家康养和商业服务等方向。
🚀 行业观察: 具身智能比拼将更看重落地闭环
围绕“机器人原生世界动作模型问世! 首创时空一体架构, 复旦系团队”，这一部分可从背景、现状与影响三个角度理解其关键信息。结合已公开内容来看，核心结论是趋势已较为明确，但细节仍需结合后续进展持续观察。
