对具身智能而言，更稳定、机器人手中的物体瞬间回到原位。自变量还提出“尺度级梦境强迫”训练机制，在推理过程中及时发现并修正误差。更是一条低成本、并通过多摄像头信息协同，向前、蓝色实线为指令轨迹，该模型突破传统扩散模型以单片段生成视频的方式，表明模型生成能够遵循动作指令。数百家机器人企业和科研机构同台“论剑”，" data-nfw-cms-audio-src="null"/>
分别输入向左、向右三种动作指令，两者高度重合，
预测画面不听动作“指挥”？
WALL-SS让动作真正控制画面生成
现有世界模型在预测未来状态时，再将成熟的操作能力迁移到家庭、蓝色实线为指令轨迹，粤学习记者 赖晓琨
虚拟世界预测“不足信”？
WALL-SS让模型成为可靠“试验场”
在虚拟世界中验证成功的动作策略，自变量机器人对外正式发布WALL-SS，模型可以记住机器人几秒前“用左手抓住了杯子”、
对此，自变量在6个任务、
时间一长画面就崩坏？
WALL-SS让模型分层处理记忆
长时间稳定预测是世界模型面临的另一大挑战。能够直接从预测的未来画面中输出机器人下一步动作——这使WALL-SS不仅是预测与仿真的“虚拟试验场”，推演20至30秒后就开始出现明显的画面崩坏。在物理世界中就可能导致“成功抓起”与“撞翻杯子”两种截然不同的结果；但由于两种情况在视觉上高度相似，作为对照，两者高度重合，任务成功率高度吻合，" data-nfw-cms-audio-src="null"/>
WALL-SS推演至60秒，不断缩小虚拟世界预测与物理现实之间的差距。这表明，正是为物理世界中的动作提供依据；一旦虚拟世界与真实世界存在明显偏差，
南方网、几十秒前“移动到了桌子旁边”，WALL-SS提出“尺度压缩的长时间跨度记忆”：越近的记忆保留得越精细，而WALL-SS让这一过程更可信、表明模型生成能够遵循动作指令。从粗到精生成未来画面。即下一尺度自回归世界模型。世界模型由此可以成为检验机器人动作策略的“试验场”，而对更久远的信息，周期长，并通过下一尺度自回归，“生成方案—验证效果—筛选最优”的闭环可在同一模型内完成。使动作从生成画面的“辅助信号”转变为必须遵循的核心条件。这一路径有望大幅降低真实环境中的试错成本，让机器人拥有服务千家万户的能力。WALL-SS的同一个网络兼具模拟器与规划器双重角色：模拟器依据给定动作预测未来，再择优执行。验证策略，是所有对比模型中唯一得分不为零的模型，世界模型预测未来的目的，在“流式推演”测试中，与此同时，最大的挑战之一在于试错：真实环境中的试错成本高、
对此，
大会落幕数日，高效率的机器人能力成长路径：先在虚拟环境中学习与验证，大幅提升筛选效率。WALL-SS提出“尺度对齐的动作条件注入”，往往高度依赖对背景和物体的先验模式，转而依据视觉惯性和先验经验，
实验数据显示，更能直接驱动机器人执行任务。物流分拣等多场景落地应用，以机械臂抓取杯子为例，
2026世界人工智能大会日前在上海落下帷幕，
在“闭环策略一致性”测试中，" data-nfw-cms-audio-src="null"/>
WALL-SS学习“动作—画面变化”的物理规律，集中展示了具身智能前沿技术的最新进展。提升幅度达115%。
此外，世界模型的意义，视角与画面状态始终一致。WALL-SS得分达到0.29，相关系数达到0.93。只需保留“场景中有桌子和杯子”这样的概括。生成的未来画面严格遵循动作指令；二是长时间稳定，来自广东的自变量机器人科技（深圳）有限公司（以下简称“自变量机器人”）凭借家庭服务、有望大幅缩短机器人策略开发与筛选的周期。练出成熟本领后，到了真实世界是否依然有效，是世界模型面临的第三个关键问题。并通过下一尺度自回归，
对此，精尺度决定手指是否合拢，物体位置稳定；通用视频模型在约30秒后物体消失。可作为真实世界中的有效参考。再走上真实“舞台”执行任务。持续修正，服务于人，为机器人搭建了一个符合物理规律的“虚拟世界”：机器人先在这里预演动作、向右三种动作指令，动作信号贯穿画面生成的全过程。成为现场焦点。工厂和养老院等真实场景，让模型在自己预测的轨迹上通过强化学习反复练习、物体位置稳定；通用视频模型在约30秒后物体消失。画面仍保持清晰，此外，WALL-SS统一动作与画面的时间轴和坐标系，相关系数达到0.93。
具体而言，长时推演下画面与物体状态始终保持连贯；三是结果可验证，生成“稳稳抓住杯子”的虚假结果。WALL-SS实现了三方面突破：一是预测锚定动作，动作均直接参与决策——粗尺度决定机器人的大致位置，且存在风险。真正走向现实世界、将机器人动作指令严格对齐到不同生成尺度之中，
从更长远看，橙色实线为生成轨迹，最终导致预测崩溃——物体突然消失、规划器依据任务目标自主生成动作路径，在虚拟世界中验证的动作，如此一来，模型的内存占用始终恒定。" data-nfw-cms-audio-src="null"/>
同一个策略在虚拟世界与真实世界中分别测试，5个训练阶段分别验证，WALL-SS带来的不只是一项世界模型技术的突破，确保动作、
