高德世界模型登顶SOTA，物理引擎重塑具身智能

🌟 每日前沿技术观察

今日我们聚焦一场具身智能领域的底层范式革命。高德地图发布的 ABot-World 世界模型，通过引入可微分物理引擎，从根本上解决了传统视觉模型在物理推理上的“失真”难题。这不仅让机器人在仿真与现实的鸿沟上架起了一座高保真桥梁，更通过“预测-执行-反馈”的闭环机制，为机器人赋予了真正的物理直觉。

🤖 具身智能新范式

物理优先+VLA闭环进化：高德ABot-World世界模型，破解具身智能零样本泛化难题

从“看起来像”到“物理上对”的跨越 长期以来，以 Sora 为代表的视频生成模型虽然视觉效果惊艳，但在机器人应用中常犯低级物理错误——如幽灵手、反重力悬浮等。ABot-World 的核心突破在于摒弃了单纯的像素级优化，转而确立了“物理优先”原则。它生成的每一帧画面背后，都隐藏着质量、惯性张量和接触力场的可微分物理状态。这种“视觉+物理”的双重输出，让模型真正具备了因果推理能力，而非仅仅是概率上的像素预测。

双引擎架构与零样本泛化 该模型创新性地构建了“ABot-3DGS”与“ABot-PhysWorld”双引擎。前者利用高德海量的地图数据作为数字孪生工厂，解决了训练数据稀缺问题；后者作为物理思维内核，通过解耦的动作注入模块，实现了对多形态机器人的零样本控制。这意味着，训练好的模型无需微调即可控制从未见过的机械臂或足式机器人。对于行业而言，这标志着机器人训练数据的生产方式从“被动采集”转向“主动创造”，大幅降低了具身智能的落地门槛。

VLA 闭环的“超级教练” 更为深远的影响在于其与 VLA（Vision-Language-Action）模型的协同。ABot-World 不仅仅是仿真器，它还是机器人的“教练”和“裁判”。一方面，它生成高质量数据用于预训练；另一方面，它输出基于物理语义的奖励信号，指导强化学习优化。这种自进化机制，让我们看到了通用具身智能从实验室走向真实物理世界的加速路径。