隨著具身智能技術持續(xù)迭代，人形機器人的場景認知、指令理解與任務規(guī)劃能力穩(wěn)步提升，逐步具備在真實工業(yè)場景落地應用的基礎能力。但在動態(tài)多變的產(chǎn)線實操環(huán)境中，行業(yè)通用的傳統(tǒng)具身方案仍存在明顯短板：多數(shù)模型只能基于實時場景完成靜態(tài)決策與短程任務拆解，缺少對物理世界的場景推演與未來狀態(tài)預判能力，難以適配真實工業(yè)場景實時變化的長程任務作業(yè)需求，導致實現(xiàn)決策執(zhí)行與迭代優(yōu)化的全鏈路無法閉環(huán)。

優(yōu)必選立足工業(yè)場景真實作業(yè)需求與具身智能技術演進方向，基于自研具身智能大模型Thinker，重磅推出全新具身智能世界模型Thinker-WM，打造物理AI基座，實現(xiàn)具身大腦架構與核心能力的全方位升級。憑借在空間泛化、長程任務和綜合性能上的優(yōu)勢，Thinker-WM在權威具身智能評測基準 Libero 中登頂榜首。同時參與榜單排名的還有英偉達、Physical Intelligence、小米等知名公司的模型。

依托優(yōu)必選在行業(yè)積累的數(shù)據(jù)及對模型架構的針對性優(yōu)化，Thinker-WM構建了Diffusion Transformer統(tǒng)一多模態(tài)空間架構。模型在 Flow Matching 迭代演化過程中，實現(xiàn)視頻表征與機器人動作空間的協(xié)同優(yōu)化；在對未來場景進行智能想象推演的同時，漸進式打磨動作生成的合理性與連貫性，使其在復雜長程任務規(guī)劃與執(zhí)行中具備顯著優(yōu)勢。

在全國多地人形機器人數(shù)據(jù)采集中心網(wǎng)絡的強大數(shù)據(jù)基建支撐下，優(yōu)必選持續(xù)積累更多工業(yè)分揀、物料搬運、精細操作、雙臂協(xié)同等場景的高質量真實交互數(shù)據(jù)，為世界模型搭建扎實的物理世界認知基底。

所有真實數(shù)據(jù)均經(jīng)過精細化清洗、多模態(tài)對齊與多層級質量篩選，留存高價值的場景交互、動作軌跡、環(huán)境動態(tài)變化樣本。這些數(shù)據(jù)有效地幫助世界模型深度學習真實物理規(guī)則、物體交互邏輯與工業(yè)場景動態(tài)特征，精準掌握現(xiàn)實世界的時空演變規(guī)律，從根源上避免虛擬生成的數(shù)據(jù)脫離實際作業(yè)場景的問題，為后續(xù)智能數(shù)據(jù)的生成筑牢堅實根基。

01

登頂Libero

攻克長程任務最難壁壘

Thinker-WM 憑借全新的多模態(tài)融合架構與自主智能進化能力，助力優(yōu)必選在權威具身智能評測基準 Libero 中斬獲榜首。Libero 仿真環(huán)境重點評估機器人終身知識遷移能力，核心考核跨場景泛化、物體泛化、長程任務執(zhí)行三大關鍵能力。

目前業(yè)內多數(shù)模型在空間泛化與物體泛化任務上已逼近滿分，但長程任務執(zhí)行始終是行業(yè)長期難以攻克的技術壁壘。而 Thinker-WM 依托具身智能世界模型強大的場景推演與動態(tài)環(huán)境預判能力，有效破解了長程任務中的環(huán)境狀態(tài)時序變化、執(zhí)行誤差累積等核心難題，取得當前長程任務執(zhí)行最優(yōu)性能。同時我們也清晰看到，模型在空間泛化與物體泛化維度仍有性能提升潛力，后續(xù)將通過高質量場景數(shù)據(jù)迭代、模型底層架構持續(xù)優(yōu)化，進一步補齊能力短板、實現(xiàn)綜合性能再躍升。

為進一步驗證Thinker-WM模型在更加真實的復雜場景下的動作生成精度與未來預測能力，針對日常家居與辦公兩大典型場景，我們在另一個權威B enchmark——Robotwin中選取了六大類精細化基礎操作任務構建評測集，對Thinker-WM的動作執(zhí)行精度、軌跡穩(wěn)定性及生成內容的視覺保真度(PSNR, SSIM)進行同步量化評估與多維分析，結果展現(xiàn)出Thinker-WM在更加復雜場景下的依然具有高精度的操作與視頻生成能力。

Thinker-WM Robotwin上的視頻生成

02

世界模型驅動智能數(shù)據(jù)飛輪

打造虛實協(xié)同的全新訓練范式

當前行業(yè)普遍存在真實機器人交互數(shù)據(jù)采集成本高、危險場景采樣難、長尾樣本數(shù)量稀缺、動態(tài)復雜任務數(shù)據(jù)不足等問題，單純依靠真機采集的傳統(tǒng)訓練方式，已經(jīng)無法滿足機器人動態(tài)預判、精細操控與復雜場景適配的迭代需求。

優(yōu)必選依托全新世界模型架構，重構具身數(shù)據(jù)的生產(chǎn)與訓練邏輯，搭建專屬新一代具身模型的AI數(shù)據(jù)飛輪體系，打破真實數(shù)據(jù)采集的物理限制，實現(xiàn)數(shù)據(jù)與模型的雙向協(xié)同進化。

真實數(shù)據(jù)打底

少量數(shù)據(jù)撬動超強泛化性能

少量高質量的真機數(shù)據(jù)能夠精準錨定真實世界的物理交互規(guī)則與作業(yè)約束，為模型提供不可替代的“地基”。

例如，單條操作數(shù)據(jù)就可以生成十條以上相同場景不同軌跡的高保真虛擬數(shù)據(jù)，極大放大有限真實樣本的利用效率。這套范式擺脫了行業(yè)對超大批量真實標注數(shù)據(jù)集的依賴，最終實現(xiàn)更低訓練成本、更強動態(tài)預判、更穩(wěn)精細操控、更廣場景泛化的工程落地優(yōu)勢。

虛擬數(shù)據(jù)擴容

虛實融合補齊數(shù)據(jù)短板

區(qū)別于傳統(tǒng)模型完全依賴真實數(shù)據(jù)訓練的局限性，新一代模型可以依托自主習得的物理世界規(guī)律，釋放強大的場景想象與智能數(shù)據(jù)生成能力。基于少量高質量真實基準數(shù)據(jù)，世界模型能夠智能推演生成海量高保真、多樣化、高難度的虛擬訓練數(shù)據(jù)，補齊真機難以采集的極限工況、動態(tài)干擾、長尾場景、多步驟復雜操作等稀缺樣本。同時支持場景環(huán)境、光照視角、物體姿態(tài)、作業(yè)軌跡的自適應泛化生成，有效彌補真實數(shù)據(jù)集的場景短板，低成本訓練數(shù)據(jù)量級與多樣性的雙重提升。

雙向進化閉環(huán)

VLA與世界模型的雙向進化

升級后的具身智能數(shù)據(jù)采集鏈路包含了真實數(shù)據(jù)校準、世界模型生成、高質量數(shù)據(jù)回流、VLA策略優(yōu)化，形成更加穩(wěn)健端到端數(shù)據(jù)閉環(huán)飛輪。世界模型產(chǎn)出的海量高保真虛擬數(shù)據(jù)，可持續(xù)為下游VLA模型提供訓練支撐，有效強化VLA的精細動作控制、動態(tài)場景響應、復雜任務閉環(huán)執(zhí)行能力，補足傳統(tǒng)VLA模型訓練樣本單一、動態(tài)適配能力弱、小場景泛化效果差的短板。同時VLA在真實場景作業(yè)中產(chǎn)生的全新交互數(shù)據(jù)、失敗案例與實操反饋，會反向回流迭代世界模型，持續(xù)優(yōu)化模型的物理推演精度與場景生成質量，讓虛擬數(shù)據(jù)更加貼合真實工業(yè)作業(yè)邏輯。

03

數(shù)據(jù)飛輪驅動模型進化

加速通用具身智能落地

優(yōu)必選Thinker-WM通過真實數(shù)據(jù)打底、虛擬數(shù)據(jù)擴容、雙向進化閉環(huán)的模式，模型既可精準掌握真實物理規(guī)則，又能依托海量泛化樣本提升復雜場景適配能力，實現(xiàn)從被動數(shù)據(jù)投喂到主動生成數(shù)據(jù)、自主學習技能、持續(xù)優(yōu)化能力的跨越式升級。這套自驅式數(shù)據(jù)迭代機制，使模型在持續(xù)場景交互與數(shù)據(jù)循環(huán)中補齊能力短板、拓展技能邊界。

堅持技術開源，優(yōu)必選近期將在具身智能開發(fā)者社區(qū)Thinker-Cosmos上開源Thinker-WM，攜手全球開發(fā)者共建具身智能數(shù)據(jù)生態(tài)，持續(xù)推進模型迭代革新，加速人形機器人在千行百業(yè)的規(guī)?；涞嘏c應用普及。

深圳市優(yōu)必選科技股份有限公司是全球頂尖的人工智能和人形機器人研發(fā)、制造和銷售為一體的高科技創(chuàng)新企業(yè)。UBTECH是一家成立于2012年的全球領先的AI和類人機器人技術公司。它源自于2008年在數(shù)字伺服器（使類人機器人移動的核心部分）方面首次取得的行業(yè)領先突破，因此UBTECH的全球研究，設計，開發(fā)，具備制造，銷售和營銷功能，可以成功通過JITECH機器人在家庭中以及通過UBTECH Education在教室中成功推出完整的世界一流的機器人產(chǎn)品組合，包括消費類人機器人，企業(yè)服務機器人和STEM技能構建機器人。

UBTECH文化，在UBTECH Robotics，我們將智能機器人帶入每個家庭和企業(yè)，從而改善了我們的生活，工作和娛樂方式。我們是一家充滿活力，多元化，快速發(fā)展的公司，通過深思熟慮，相互尊重的協(xié)作，重視具有全球影響力的大創(chuàng)意。從最先進的企業(yè)部署機器人到啟發(fā)未來工程師的JIMU機器人，UBTECH致力于通過將機器人融入每個人的日常生活中來改變世界，從而提供更智能的生活方式。

UBTECH教育，UBTECH Education是UBTECH的一個部門，UBTECH是面向消費者，企業(yè)和行業(yè)的智能型人形機器人的全球領導者，我們熱衷于為所有學習者做好工作的未來準備。我們的解決方案為學生蓬勃發(fā)展奠定了堅實的基礎：結合21世紀技能和計算素養(yǎng)的發(fā)展的高質量STEM教育。