編輯｜楊文、陳陳

這幾天，世界模型賽道格外熱鬧。

李飛飛空間智能獨角獸 World Labs 高調(diào)推出「Spark 2.0」，阿里隨即上線世界模型「快樂生蠔」。

幾乎同一時間，Physical Intelligence 也發(fā)布新模型 π 0.7，并強調(diào)其對未見任務(wù)的初步組合式泛化能力與跨機器人平臺遷移特性。

這一系列動作本身釋放了一個信號，行業(yè)競爭的焦點，已經(jīng)從誰會做單點動作，轉(zhuǎn)向誰更接近將「預(yù)測世界」和「驅(qū)動行動」統(tǒng)一在同一個模型里。

在這個節(jié)點上，一款名為MotuBrain 的神秘世界模型，悄無聲息地登上兩個國際 benchmark 的榜首，沒有任何公司署名。

如果只是單榜第一，這件事或許并不稀奇。

但問題在于，它同時拿下的，是兩個幾乎代表行業(yè)「兩個極點」的榜單：一個是衡量世界模型「是否真正理解和預(yù)測現(xiàn)實世界」的 WorldArena；另一個則是衡量機器人任務(wù)執(zhí)行能力與泛化能力的 RoboTwin2.0。一個偏世界預(yù)測，一個偏任務(wù)執(zhí)行，加在一起，恰好對應(yīng)了行業(yè)當(dāng)下最想攻克的那個統(tǒng)一命題。

在 WorldArena 上，MotuBrain 以 63.77 的總體 EWM Score 位居第一，從結(jié)果來看，其表現(xiàn)超越了高德的ABot、極佳GigaWorld-1等模型，并在 Motion Quality、Flow Score、Motion Smoothness 等多個關(guān)鍵運動維度上全面領(lǐng)跑。

圖片來源：https://huggingface.co/spaces/WorldArena/WorldArena

而在 RoboTwin2.0 中，MotuBrain 在 Clean 和 Randomized 兩個場景下分別達到 95.8 和 96.1，同樣排名第一，是榜單上唯一一個在隨機環(huán)境下平均分超過 95 的模型，在大多數(shù)具體任務(wù)中也都取得了 100 或接近 100 的成績。相較于高德 ABot、螞蟻靈波 LingBot、JEPA-VLA、pi0.5等模型，MotuBrain 在 RoboTwin 基準(zhǔn)測試中具有統(tǒng)治級的表現(xiàn)。

正是這種「雙料第一」，才讓我們注意到這款來歷不明的模型。

簡單搜索了一下，目前網(wǎng)上還未找到任何有關(guān) MotuBrain 的信息，不過我們發(fā)現(xiàn)了這個本月剛剛注冊的 X 賬號。

這讓我們想起前段時間被阿里認(rèn)領(lǐng)的「歡樂馬」（后續(xù)也開了 X 賬號）。

這個神秘世界模型，不會也是來自國內(nèi)哪家大廠吧？

為什么 MotuBrain 的成績值得關(guān)注？

WorldArena 和 RoboTwin 并不是兩個同類型的測試，它們測量的是兩種不同的能力。

WorldArena 考察的是world model 維度，包括模型能否理解運動規(guī)律，能否對時間序列中的物理變化做出準(zhǔn)確的推演和預(yù)測，以及是否具備對環(huán)境狀態(tài)變化的認(rèn)知能力。這是預(yù)測世界的能力。

RoboTwin 則偏向action model 或 policy model 的維度，比方說模型能否在多任務(wù)、多環(huán)境下穩(wěn)定執(zhí)行動作，能否泛化到?jīng)]見過的場景，是否具備持續(xù)完成復(fù)雜操作的能力，而這些是在世界中行動的能力。

不妨做一個類比。人類司機之所以能在復(fù)雜路況下安全駕駛，靠的不只是肌肉記憶，更是對下一秒會發(fā)生什么的持續(xù)預(yù)判，比如前車會不會急剎？行人會不會突然橫穿？這種預(yù)測與行動的同步進行，是人類智能的底層邏輯。

現(xiàn)有的大多數(shù)機器人系統(tǒng)，恰恰缺的就是這一層。它們要么擅長看懂世界卻不知道該怎么動，要么能執(zhí)行固定動作卻對環(huán)境變化毫無預(yù)判。兩張皮的結(jié)果，是機器人一旦離開訓(xùn)練場景就容易失控。

過去幾年，這兩個方向各自都有人在做，但往往是割裂的。做視頻生成和世界模型的團隊，關(guān)注的是模型能否真實模擬物理世界；做機器人策略和 VLA 的團隊，關(guān)注的是如何讓模型在具體任務(wù)上執(zhí)行可靠。真正嘗試把兩者統(tǒng)一起來的工作本就不多，成果穩(wěn)定的就更少。

MotuBrain 能夠在兩類 benchmark 上同時拿下第一，至少在 benchmark 層面上驗證了一件事，把預(yù)測世界和驅(qū)動行動統(tǒng)一在同一個模型里，這條路是走得通的。

雙料第一，它究竟贏在哪里？

在 WorldArena 榜單上，MotuBrain 更值得關(guān)注的是它在這些維度上的領(lǐng)先。

• Motion Quality 第一，這代表模型生成的動作本身更加真實，而非停留在視覺上看起來像在動的特效層面。
• Flow Score 第一，說明模型對連貫動作和運動軌跡的理解更深，且能夠穩(wěn)定預(yù)測大幅度的動作變化，可以把前一個時刻和后一個時刻絲滑地銜接起來，而不是逐幀拼湊。
• Motion Smoothness 第一，代表生成出來的動作更符合真實的物理規(guī)律，不會出現(xiàn)那種不自然的突然加速、抖動或方向跳變。

這三個維度，都和運動直接相關(guān)。對于一個未來要服務(wù)機器人的世界模型來說，這正是最關(guān)鍵的能力。

而在更偏任務(wù)執(zhí)行的 RoboTwin 上，這種優(yōu)勢被進一步放大。面對 50 個任務(wù)、兩種不同環(huán)境設(shè)置，MotuBrain 的平均得分達到 96.0，顯著高于第二名的 92.3，領(lǐng)先幅度幾乎等同于第二名到第五名之間的差距。

更關(guān)鍵的是穩(wěn)定性。一半任務(wù)成功率達到 100%，九成任務(wù)超過 90%。這不僅意味著能做對，更意味著在多任務(wù)和隨機擾動環(huán)境下依然能夠穩(wěn)定復(fù)現(xiàn)結(jié)果。

這些成績放在一起看，指向的是一種更接近通用機器人大腦的特征，既能保持動作層面的連續(xù)與一致，又具備跨任務(wù)的泛化能力。

背后是誰，走的是條什么路子？

目前關(guān)于 MotuBrain 的公開信息寥寥無幾，但從這次雙榜的成績結(jié)構(gòu)來看，它背后大概率不是傳統(tǒng)的視頻模型，也不是單純的 VLA 或 policy model。

過去一年，行業(yè)內(nèi)圍繞 world model 和 action model 的探索各自形成了幾條有代表性的路線。

有的強調(diào)統(tǒng)一世界模型，通過視覺、語言、視頻與動作的聯(lián)合建模，融合視頻模型、VLA、世界模型等等路線，從而實現(xiàn)對真實環(huán)境的感知、規(guī)劃、預(yù)測、執(zhí)行和跨任務(wù)泛化，典型代表是去年 12 月發(fā)布的 Motus。

有的更偏向于「先想象、再行動」的路徑，譬如今年一月底發(fā)布的 Lingbot-VA 就是先用視頻模型進行未來視頻預(yù)測，再反向指導(dǎo)機器人動作決策，兩者融合到一個模型里。

還有一些走的是「同步推演未來狀態(tài) + 生成動作」，邊推演邊行動的 World Action Model，比如英偉達二月初發(fā)布的 DreamZero。

從 MotuBrain 這次的表現(xiàn)來看，它可能走了一條偏 World Action Model的路線，兼具 world model 對環(huán)境和未來狀態(tài)的推演能力，以及 action model 在真實任務(wù)中的執(zhí)行能力。

這也就能解釋它為何能同時在「世界建模」和「動作執(zhí)行」兩類 benchmark 上問鼎。

結(jié)語

如果把一臺機器人拆開來看，可以理解為「手腳」是硬件，而「大腦」是軟件。

過去幾年，機器人硬件的迭代速度有目共睹，運動控制越來越精準(zhǔn)，傳感器越來越豐富，成本越來越低。但真正制約機器人大規(guī)模落地的，是那顆指揮任務(wù)的大腦。

現(xiàn)在的機器人，本質(zhì)上還是「為特定任務(wù)訓(xùn)練的專用系統(tǒng)」。換一個場景、換一個物體、換一條指令，就可能完全失效。這很大程度上歸因為智能問題。

具身智能的目標(biāo)，是構(gòu)建一個統(tǒng)一模型。既能理解物理世界、預(yù)測狀態(tài)變化，又能據(jù)此生成可靠動作，從而適配任意任務(wù)與場景。

這個邏輯，資本已經(jīng)用真金白銀給出了判斷。

觀察最近這幾筆大額融資不難發(fā)現(xiàn)，資金正密集涌向那些打造機器人「大腦」的公司。表面投的是機器人，實際上搶占的，可能是下一代「機器人操作系統(tǒng)」或「通用物理大腦」的入口。

如此看來，以 Motubrain 為代表的 world+action 統(tǒng)一架構(gòu)，恰好站在了這場卡位戰(zhàn)的核心位置。

至于 Motubrain 背后究竟是哪支團隊，接下來又會帶來什么，這個問號大概不會懸太久。