索辰科技与美梦空间发布 Physical-WAM 物理世界动作模型及 RoboTwin-Phys 测评基准
机器人不缺"看得懂"，缺的是"懂物理"。这篇讲如何用物理 Token 表征和物理扰动评测，补上具身智能这块短板。
现有 VLA（视觉-语言-动作模型，把看到的画面和语言指令直接映射成机器人动作）在标准测试里成绩不错，但一遇到摩擦力、重量、重心变化就成功率暴跌——它只是统计意义上的模仿者。美梦空间发布 Physical-WAM（在感知与动作之间插入一层"物理 Token"，显式估计摩擦、重量、重心）与 RoboTwin-Phys 物理漂移评测基准，后者新增 13 类物理扰动，发布即开源。
正文摘录
北大与 BeingBeyond 联合发布的 BeTTER 基准（ECCV 2026）戳破了这层窗户纸：最先进的 VLA 模型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，成功率断崖式下跌。另一项斯坦福大学研究则直接锁定了病因：在接触丰富任务中，VLA 存在“精度失效”与“力失效”两个相互独立的失效模式。 换句话说，VLA 驱动下的机器人只知道“看到杯子就该抓”，但不知道“杯壁有多薄、摩擦力够不够、注水后重心会不会偏”。它本质上是个统计学模仿者，不是物理世界的参与者。 9 月 26 日，美梦空间 CEO 李明昊在第五届全球数字贸易博览会首发首秀主舞台上，首次公开并正式发布 Physical-WAM、RoboTwin-Phys 两项重要成果 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）给具身智能补上了这堂“物理课”。教具是两份：全球首个具备物理感知能力的 Physical-WAM 物理-世界动作模型，以及业内首个 RoboTwin-Phys 物理漂移评测基准——一个负责让机器人“懂物理”，具备人类式的预判能力，一个验证它是否真的“懂了”。 美梦空间专注于世界模型的研发与应用，由北京大学信息技术高等研究院高文院士领衔的 AVS 先进视觉系统研究中心孵化，核心团队在具身智能、视频编解码、空间计算、人工智能领域积累了深厚的研究经验，兼具学术深度与工程落地能力。2026 年 8 月，物理 AI 头部企业索辰科技（688507.SH）完成对美梦空间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。而 Physical-WAM 和 RoboTwin-Phys 正是双方携手给业界带来的一张新答卷。 计算机视觉与大语言模型领域获取训练样本的边际成本较低，网页文档、图片视频可以通过互联网获取标注。