索辰科技与美梦空间联合发布Physical-WAM具身模型及RoboTwin-Phys物理测评标准

事件概述

9月26日，在杭州第五届全球数字贸易博览会上，杭州美梦空间科技有限公司（Memo）联合其战略投资方、物理AI头部企业索辰科技（688507.SH），正式发布了两项核心成果：Physical-WAM（物理-世界动作模型）和 RoboTwin-Phys（物理漂移评测基准）。此举旨在解决具身智能在商业化进程中面临的物理交互难题，推动世界模型技术跨越商业化“奇点”。

核心信息

1. 行业痛点：VLA模型的物理局限

当前具身智能主要依赖视觉-语言-动作（VLA）模型，但研究表明其在标准静态测试中表现尚可，一旦引入空间布局偏移或时序外推等干预，成功率会断崖式下跌。斯坦福大学研究指出，VLA存在“精度失效”与“力失效”两种独立模式。现有模型本质上是统计学模仿者，仅知道“看到杯子就该抓”，却无法感知杯壁厚度、摩擦力大小或注水后的重心变化，缺乏对物理世界的真实参与感。

2. Physical-WAM：赋予机器人“物理直觉”

面对物理交互数据稀缺（仅百万量级，远低于文本图像的数十亿级别）的现状，美梦空间提出了Physical-WAM架构，核心创新在于插入一层**“物理Token”**表征：

• 架构组成：由PhysLens（物理翻译器）、PhysDream（物理预言家）、PhysAct（物理条件化动作生成）三大模块构成。
  • PhysLens：从多模态信号中提取摩擦、重量、重心、接触状态等不可直接观测的物理信息，输出统一的物理Token。这弥补了传统VLA仅做反应式映射的不足，实现了显式的物理属性估计。
  • PhysDream：结合当前物理表征和环境状态，推演未来物理状态，预测打滑、脱手等风险并给出不确定性评估。
  • PhysAct：将物理属性和未来状态预测引入动作生成，当环境发生物理漂移时自动调整执行策略。
• 应用场景示例：在抓取纸杯操作中，PhysLens识别低刚度材质，PhysDream预测注水后负载增加可能导致形变，PhysAct据此实时调整抓握力度和位置，直至完成操作。这种机制使机器人能够像人类一样凭借“物理直觉”随机应变。

3. RoboTwin-Phys：建立物理适应度评测标尺

现有的具身智能评测基准多关注“任务完成度”，忽视“物理适应度”，无法有效验证模型对物理参数扰动的鲁棒性。为此，美梦空间发布了业内首个以物理因素扰动为核心的评测基准 RoboTwin-Phys：

• 评测维度：新增13类真实世界常见的物理扰动因素，涵盖物体属性、接触属性、阻尼、任务环境及相机配置五大维度，支持单因素至多因素组合扰动测评。
• 三层递进逻辑：
  1. 物理属性推断准确性；
  2. 物理扰动下的任务成功率；
  3. 性能差距的上界分析。
• 工程价值：
  • 提供物理真值（物理值、接触力日志、运动学数据、失败时间线），不仅回答“是否成功”，还能追溯“何时开始失败”及“模型估计是否正确”。
  • 采用固定种子配对评估，减少运气成分，确保不同模型对比的公平性。
  • 区分“感知错误”与“策略滞后”，为模型迭代提供明确锚点。
• 开源承诺：项目代码、数据集与排行榜全部开放，支持第三方验证复现。

值得关注

• 技术边界探索：Physical-WAM仍面临物理Token粒度边界（如表面粗糙度各向异性、非线性弹性行为）、跨本体迁移效率（不同末端执行器的适配性）以及仿真物理保真度天花板（如织物大变形、颗粒流动等难以建模效应）的挑战。
• 未来路线：美梦空间计划围绕“视觉先行，力触声递进”持续迭代多模态物理表征模型，扩充物理交互数据集，优化推理延迟，并联合产业链上下游补齐物理数据、世界模型、评测标准三块拼图。
• 合作背景：索辰科技于2026年8月完成对美梦空间的独家种子轮战略投资，双方在数据、算力、物理AI等技术层面深度协同，共同推进世界模型研发与产业应用落地。