清华系千诀科技发布预测式世界模型Polibrain，实现跨本体机器人智能复用
2026/10/21 15:15阅读量 2
10月20日，在首届物理AI与世界模型大会上，清华系具身智能公司千诀科技正式发布预测式世界模型Polibrain。该模型不追求完整画面生成，而是聚焦物理规律与关键状态表征，已在四足、人形等多种机器人形态上完成适配。其底层研究在隐变量可辨识性方向上比LeCun团队相近工作早约一年，旨在通过松耦合架构实现不同机器人间的智能能力共享。
事件概述
10月20日，首届2026物理AI与世界模型大会在南京开幕，图灵奖得主Yann LeCun及姚期智等专家远程参会。会上，清华系具身智能公司千诀科技（Qianjue Technology）正式发布了其预测式世界模型Polibrain。该模型致力于让机器人具备对物理世界的抽象理解与预测规划能力，并已在多种机器人形态上开展实际适配。
核心技术与创新点
- 预测式而非生成式： Polibrain并不追求还原未来每一帧的完整画面，而是专注于预测影响任务执行的关键信息（如物体位置、相对关系）。这种设计减少了计算资源浪费，使模型更关注与行动结果直接相关的状态变化。
- 持续决策闭环： 模型将环境感知、状态理解、行动预测、任务决策、动作执行和反馈调整连接起来。当执行结果与预测不一致时，系统能根据新状态重新评估并调整后续行动，支持异常定位与任务恢复。
- 多项式表征与泛化突破：
- 千诀联合清华大学团队早在2025年就在ICML发表了关于世界模型隐变量可辨识性的理论研究，利用Fourier-Walsh变换分析离散布尔世界中的函数结构，指出其相关探索比LeCun团队2026年5月发表的《When Does LeJEPA Learn a World Model?》早约一年。
- 尽管两者切入点不同（千诀侧重因果推断与布尔空间，LeCun侧重时间维度），但提出的学习判据具有等价性。
- 2026年，团队进一步提出**“有效阶”（Effective Degree, ED）**概念，通过正交多项式拟合神经网络输出，量化模型复杂度，为优化模型泛化能力提供新工具。
- 因果记忆机制： 针对连续任务中的遮挡和延迟反馈问题，团队研究了基于反事实推断的历史信息筛选机制，帮助模型仅保留影响后续决策的关键历史观测，避免“特征污染”。
产品定位与应用场景
- 松耦合架构： Polibrain采用“松耦合世界模型架构”，将对环境与任务的共用表征与具体机器人的动作执行能力分离。这意味着对物理世界的理解可以共享，而执行方式则由不同本体根据自身硬件条件决定。
- 跨本体复用： 该技术允许人形、轮式、四足、双臂等不同形态的机器人共用一套智能大脑。例如，抓取杯子的逻辑可在不同机械臂结构中迁移，或通过IoT系统控制其他设备间接完成。
- 数据飞轮潜力： 千诀定位为独立模型提供商，不制造机器人本体，而是为各类专用或通用机器人提供智能能力。通过服务不同厂商，有望打通跨本体的数据壁垒，形成“更多机器人接入-数据积累-模型泛化提升”的正向循环。
- 当前进展： 目前Polibrain已在陪伴服务、餐饮服务、物品整理及精细操作等场景中，于四足、人形、轮式及双臂机器人上进行适配测试。