优必选 Thinker-WM 在三大具身世界模型基准登顶，统一多模态表征支持六类能力
优必选 Thinker-WM 用一套共享表征统一视觉、几何与动作，在三个具身世界模型基准上登顶，说明世界模型的竞争正从模块拼接转向表征层融合。
优必选自研世界模型 Thinker-WM 在 WorldOlympiad、EWMBench、WorldArena Track-1 三个具身世界模型基准上均排名第一。它把 RGB 视频、深度和机器人动作编码进同一表征空间，用共享参数联合演化，不再靠模块拼接，单套权重即可支持视频生成、动作预测、逆动力学等六种能力。
正文摘录
.png) 三大基准全榜登顶，Thinker-WM 斩获三项第一 日前，优必选 Thinker-WM 在三大公认具身世界模型基准评测中全部拿下第一名，刷新行业成绩： WorldOlympiad ： Thinker‑WM 取得综合得分 0.740，位列榜首。该基准基于大量真实机器人交互数据构建，覆盖十余种不同机器人本体与多类相机配置，重点考核模型跨机器人形态、跨视角的泛化能力。模型取得 3D 一致性 0.531、交互保真度 0.765，两项单项指标位居全部参评模型首位，体现模型对三维几何结构与机器人交互过程的精准建模能力。  EWMBench： Thinker‑WM 取得综合总分 4.66，超过 Qwen‑RobotWorld、Sora2 等主流模型。EWMBench 完整考核场景一致性、机器人末端运动正确性、指令语义对齐三大能力维度。得益于表征层面的多模态联合建模，Thinker‑WM 在反映机器人轨迹时空匹配的 nDTW（归一化动态时间规整）、表征运动速度与加速度合理性的 Dyn（动力学一致性）等机器人运动核心指标上实现领先。