
世界模型在真实系统中处于什么阶段?
在过去一年里,“世界模型”在AI领域关注度升温,在具身智能赛道被寄予期待。若模型能理解物理世界等,机器人有望走向智能体。目前业界对“世界模型”无明确边界,智源研究院院长王仲远对现有技术路线分类。6月13日北京智源大会圆桌讨论中,研究者认为世界模型处于早期,距生产落地尚远。参与嘉宾有朱政、沈宇军、王昊、郭春超、孙振国,圆桌由于智薇主持。郭春超从互联网和数字内容行业视角判断,世界模型距严肃生产系统有距离,目前多处于原型阶段,适合生成训练数据等,其更容易率先落地的场景需满足容错度高、环境可验证、落地链条短等条件。朱政从机器人落地角度对比,认为VLA或相关机器人模型在真实落地方面比世界模型更成熟,世界模型存在端侧部署压力高和家庭场景商业化远等障碍,短期内更可能在生产环节发挥作用。沈宇军指出VLA和世界模型都在尝试落地,但都不是最终答案,二者可能交汇发展出适合物理世界的模型。王昊不主张简单定义世界模型,认为其本质是对世界运行方式的内化理解,VLA和世界模型无清晰边界,都在向统一建模方向演进,关键是世界模型能否在具体任务上超越VLA。孙振国从控制理论角度区分,认为VLA像开环系统,世界模型提供闭环决策可能,若在隐空间做轻量化预演,世界模型可用于多轮闭环控制。
世界模型与VLA:替代、并存还是融合?
嘉宾普遍认为世界模型不会简单取代VLA,二者正在相互吸收,未来可能融合成新架构。朱政指出VLA和世界模型互相吸收优点,未来行业可能形成兼具两类结构的模型。沈宇军认为VLA和世界模型上限不高,物理世界可能需要新模型,不必纠结是否叫世界模型。王昊认为二者从不同方向走向统一,关键是实现语言、视觉和动作对齐,世界模型要在联合预测中帮助模型形成内部理解。孙振国关心世界模型能否进入控制闭环,若能用于预测未来等,就体现其独特价值。
长尾、风险与安全:世界模型能否解决边缘情境?
主持人提出真实系统需处理关键、危险、罕见未来,嘉宾围绕长尾数据、安全和风险控制讨论。孙振国认为世界模型在解决长尾问题上有潜力,在自动驾驶领域已有相关尝试。朱政从自动驾驶经验出发,指出自动驾驶有数据优势,可挖掘风险样本训练世界模型,但具身智能不具备此前提。沈宇军认为当前模型能力未到讨论安全阶段,但要提前考虑,提出机器人部署后继续学习和引入低成本人类示教两个未来方向。王昊同意开放世界不可穷尽的判断,认为关键是赋予机器人学习能力,靠训练数据无法解决开放环境泛化。郭春超从机器学习角度指出corner case是泛化问题,解决泛化需语言为中心的多模态模型发挥作用。
泛化能力的瓶颈:范式、数据、强化学习还是持续学习?
讨论中潜在共识是泛化能力是世界模型真正分水岭。朱政认为行业对强化学习重视不够,跨场景、跨物体泛化和家庭机器人都需重视强化学习。沈宇军认为短期内泛化核心是数据,数据问题不仅是数量,也是质量,未来机器人应能通过少量样本快速学会新任务。孙振国认为泛化不是终极目标,应关注模型基础能力和自我进化潜力,未来行业可能不再重点讨论“泛化”。
哪些世界模型能力已经走出Demo?
朱政认为有一些多任务尝试,世界模型适合多任务,但未大规模进入生产。沈宇军认为物理世界暂无世界模型能力进入投产阶段,数字世界游戏方向进展可能更快。王昊提出区分,若世界模型定义为两阶段系统,目前未落地;若理解为隐式表征,已有相当多任务在做,且能增强开放家庭任务泛化,解决长程任务需结合语言。郭春超认为满足高容错等条件的应用会更快落地。孙振国认为在结构化场景做结构性泛化已有商业化可能,如心脏超声机器人项目。
五年后,今天哪些观点可能被证明是错的?
孙振国认为基于视频生成底座的主流范式瓶颈明显,更相信动作条件世界模型。郭春超认为基于当前视频生成模型做后训练作为世界模型可能不合适。王昊认为用互联网数据或纯第一人称视角数据训练具身世界模型可能错误。沈宇军认为把世界模型仅看作数据生产工具可能错误。朱政认为“数据大跃进”式想法可能被证伪,未来强世界模型更可能建立在高质量数据上。



被折叠的 条评论
为什么被折叠?



