Aether AI 发布 16B 因果世界模型 CausalWM，登顶 TriWorldBench
世界模型第一次把「未来是怎么一步步发生的」写进推理链，而不只是猜未来长什么样——这让机器人预测在长时序、多物体场景下更稳。
Aether AI 发布 16B 参数的因果世界模型 CausalWM。它不直接由当前画面生成未来画面，而是先显式推演物体运动（光流）与三维几何变化（Depth、Pointmap），再用这些中间结果生成未来，形成 Observation → Physical Motion → Geometry → Future Observation 的因果思维链。该模型在机器人世界模型基准 TriWorldBench 上取得 Top-1。
正文摘录
.jpg) 编辑｜张倩 把一个杯子从桌子左边推到右边，对人来说再自然不过。但如果把这个过程拆开，会发现所谓的「未来」其实并不是凭空出现的：手臂先移动，接触发生后杯子才开始滑动，运动又改变物体的位置和空间关系，最终才形成下一刻我们看到的画面。  对于世界模型来说，问题也在这里。 现在不少模型已经很擅长直接从「当前画面」生成「未来画面」。但如果中间这些运动、接触、几何变化全部藏在模型内部，我们很难知道，它究竟理解了世界如何变化，还是仅仅根据训练数据，「猜」出了一个看起来合理的未来。 最近，[Aether AI](https://mp.weixin.qq.com/s?biz=MzA3MzI4MjgzMw==&mid=2651040859&idx=1&sn=a7702a5e0b414f9945b83d1ccccd925a&scene=21wechatredirect) 正式发布了第一版因果世界模型 CausalWM （16B 参数）。它尝试把原本藏在模型内部的这段过程显式写出来，并引入了一种新的技术范式 —— Causal Chain-of-Thought，因果思维链 。