美梦空间联合索辰科技发布具身物理模型 Physical-WAM 与开源评测基准

9月26日，杭州美梦空间科技有限公司（Memo）在第五届全球数字贸易博览会首发首秀主舞台上，正式发布 Physical-WAM 物理-世界动作模型与 RoboTwin-Phys 物理漂移评测基准。两项成果分别瞄准「让机器人懂物理」与「验证它是否真的懂了」两个核心问题，是当前具身智能 VLA 路线遭遇测评瓶颈后，物理 AI 方向的一次集中回应。

背景：从 VLA 瓶颈到世界模型叙事

具身智能商业化正撞上一堵墙。北京大学与 BeingBeyond 联合发布的 BeTTER 基准（ECCV 2026）显示，最先进的 VLA 模型在标准静态测试中表现尚可，但一旦引入空间布局偏移或时序外推等干预，成功率出现断崖式下跌。斯坦福大学一项研究则进一步指出：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。

换言之，VLA 驱动的机器人只知道「看到杯子就该抓」，却不知道「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，而不是物理世界的参与者。在此背景下，「世界模型」开始被赋予推动具身智能跨越商业化「奇点」的期待。

美梦空间与索辰科技的协同

美梦空间专注世界模型研发与应用，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，核心团队覆盖具身智能、视频编解码、空间计算与人工智能。2026 年 8 月，物理 AI 头部企业索辰科技（688507.SH）完成对美梦空间的独家种子轮战略投资，双方在数据、算力、物理 AI 等层面深度协同。

Physical-WAM 与 RoboTwin-Phys 正是这一战略协同的首批落地成果。

Physical-WAM：用「物理 Token」打通感知—动作链路

Physical-WAM 的核心思路，是在感知信号输入与动作输出之间插入一层「物理 Token」表征。传统世界模型的中间表征是像素或隐空间向量，可以推演画面演化，却无法感知「物理本身」。Physical-WAM 据称是业内首个具备物理感知能力的 WAM 基模，基于可观测数据与深层物理数据训练。

模型由三个模块构成，形成「感知—预测—生成—修正」的闭环：

• PhysLens（物理翻译器）：从多模态感知信号中提取摩擦、重量、重心、接触状态等不可直接观测的物理信息，输出统一物理 Token。
• PhysDream（物理预言家）：结合当前物理表征、环境状态与候选动作，推演未来物理状态，预测打滑、脱手等风险并给出不确定性评估。
• PhysAct（物理条件化动作生成器）：将物理属性与未来状态预测引入动作生成，当环境发生物理漂移时自动调整执行策略。

以抓握纸杯为例：PhysLens 识别纸杯材质的低刚度，PhysDream 预测注水后可能导致杯壁形变或滑脱，PhysAct 据此调整抓握力度与接触位置，并在过程中持续修正策略。

RoboTwin-Phys：把物理扰动变成可控变量

与模型同步发布的 RoboTwin-Phys 物理漂移测评基准，瞄准现有评测体系的结构性盲区：多数基准测量的是「任务完成度」而非「物理适应度」。一个模型在固定摩擦系数、固定质量的测试集上可刷高分，但对物理参数扰动毫无鲁棒性。

RoboTwin-Phys 在 RoboTwin 基础上新增 13 类真实世界常见物理扰动因素，覆盖物体属性、接触属性、阻尼、任务环境、相机配置五大维度，支持单因素到多因素组合测评。其工程价值体现在三点：

• 提供物理真值，包括物理值、接触力日志、物体运动学数据与失败时间线，使评测能追问「模型是否估计对了、何时开始失败」。
• 固定种子配对评估，让不同模型面对相同扰动实例，减少运气成分。
• 按推断准确性、扰动下任务成功率、性能上界逐层递进，区分「物理状态识别错了」与「识别对了但动作策略没跟上」。

据悉，RoboTwin-Phys 发布即开源，项目代码、数据集与排行榜全部开放，支持第三方验证复现。

前路：物理感知的开放问题

围绕 Physical-WAM，美梦空间的下一步路线将围绕「视觉先行，力触声递进」迭代多模态物理表征模型，并联合产业链上下游补齐物理数据、世界模型、评测标准三块拼图。不过仍有若干开放问题尚未回答：

• 物理 Token 的粒度边界：摩擦、质量、重心之外，表面粗糙度各向异性、材料非线性弹性、接触面积动态变化等如何表征？
• 跨本体迁移效率：同一物体在不同末端执行器（二指夹爪、灵巧手）下所需动作策略差异显著，一致性与效率如何保证？
• 仿真物理保真度天花板：当真实世界存在仿真无法建模的效应（如织物非线性大变形、颗粒材料流动）时，闭环鲁棒性的边界在哪里？

美梦空间 CEO 李明昊表示，将以开源开放的态度，推动行业加速走向具身智能的「GPT 时刻」。