Current Robotics 发布交互式世界仿真器 CurrentWorld-0
这款仿真器让机器人策略在真实世界前先模拟试错，统一了多本体与多视角的物理反馈。
Current Robotics 发布 CurrentWorld-0，一个交互式世界仿真器，首次将跨本体、多视角与力触觉预测统一进同一系统。它能实时推演动作后的物理反馈，并支持操作员接管与状态回滚，用于机器人策略训练与评估。
正文摘录
但真相是——从瓶盖弹开的瞬间、泡沫与酒液的流体变化，到后续的所有物理反馈，整段画面全是由 AI 实时推演生成的！ CurrentWorld-0，一套交互式世界仿真器（Interactive World Simulator）。 它首次把跨本体、多视角、力-触觉预测塞进同一个系统，也是该团队继人形全身精细操作模型 Curr-0 之后的又一次出手。 创始人祝毅晨曾任美的集团具身智能部部长，已发表 40 余篇顶会论文，学术引用超过 5,200 次。 作为国内最早发布 VLA 及世界模型的研究者，他曾带领团队提出扩散模型和 VLM 端到端的 VLA 范式（TinyVLA），拓展 VLA + CoT 策略（DiffusionVLA & DexVLA，发表至 ICML 和 CoRL），并较早提出世界模型用于具身策略评估（dWorldEval，发表至 ICML 高亮论文）。 值得一提的是，Physical Intelligence 在其里程碑论文 π0 中，就引用了祝毅晨团队完成的 TinyVLA 与 ScaleDP 工作。 从早期的 VLA 大模型、人类示教数据，逐步延伸至全身机器人学习，这些前沿探索最终沉淀为 Current Robotics 的技术基石。 机器人的身体和观察方式可以千差万别，但在走进真实世界前，它们演练的必须是同一个世界。 经过大规模预训练之后，模型已经记住了不少视觉和运动规律：物体被遮挡后不会凭空消失，形状不会突然改变，运动在时间上也通常是连续的。 但机器人训练数据里大量的成功范例，让模型见惯了“伸手—抓住—拿起”这样的轨迹。当一个还没训练好的策略把手伸偏，视频先验有时反而会把后面的结果继续往“成功”上补。 机械臂实际没有抓稳，生成画面里的物体却还是跟着手走了。真实执行已经失败，世界模型给出的未来却仍然顺利完成了任务。