本報訊 （記者賈麗）近日，北京人形機(jī)器人創(chuàng)新中心（以下簡稱“北京人形”）在WorldArena全球權(quán)威評測中連下兩城——繼WoW具身世界模型登頂WorldArenaDataEngine（數(shù)據(jù)引擎）賽道后，首個“具身大一統(tǒng)”模型Pelican-Unify1.0在WorldArena綜合評測中再度登頂。北京人形由此成為全球唯一在WorldArena兩大核心賽道同時奪冠的企業(yè)，加冕具身智能領(lǐng)域首個“雙冠王”，具身大腦能力躋身世界第一梯隊。

    Pelican-Unify1.0作為通用具身智能平臺“慧思開物”的重要組成部分，該模型在理解、推理、想象、行動等維度同時達(dá)到全球頂尖水平，世界模型各項能力尤為突出，并登頂WorldArena權(quán)威榜單。業(yè)內(nèi)人士認(rèn)為，這標(biāo)志著具身智能從“功能拼湊”邁入了“協(xié)同進(jìn)化”的新階段，為邁向通用具身智能奠定了堅實的技術(shù)與路徑基礎(chǔ)。

    真機(jī)驗證閉環(huán)智能產(chǎn)生實際價值

    WorldArena由清華大學(xué)聯(lián)合普林斯頓大學(xué)、中國科學(xué)技術(shù)大學(xué)等8所頂尖機(jī)構(gòu)共同發(fā)起，吸引了全球幾乎所有頭部世界模型團(tuán)隊參評，在激烈角逐中，Pelican-Unify1.0憑借硬核的技術(shù)實力脫穎而出，登頂WorldArena。

    其中，EWMScore（綜合得分）穩(wěn)居榜首：在包括視覺質(zhì)量、運動質(zhì)量、內(nèi)容一致性、物理遵循以及3D準(zhǔn)確性等多維度且極其嚴(yán)苛的整體評估中，Pelican-Unify1.0拿下了綜合第一，各項能力完美平衡，能夠全方位支撐復(fù)雜的具身長程任務(wù)。

    過去，具身智能沿著多條路線快速發(fā)展：VLM擅長理解圖像和指令，VLA能夠?qū)⒁曈X語言輸入映射為動作，世界模型能夠預(yù)測未來狀態(tài)。但這些路線往往各自優(yōu)化、分段連接，容易形成“看、想、動”之間的斷裂：理解不能直接被行動驗證，行動缺少未來后果的約束，世界想象也難以被語言推理穩(wěn)定引導(dǎo)。

    Pelican-Unify1.0的核心思路是，理解、推理、想象與行動不應(yīng)是四個孤立模塊，而應(yīng)是同一個物理智能回路的不同側(cè)面，具體實現(xiàn)統(tǒng)一理解、統(tǒng)一推理、統(tǒng)一生成。

    Pelican-Unify1.0的關(guān)鍵能力是能夠在動作執(zhí)行前生成未來視覺狀態(tài)，并讓動作預(yù)測與未來想象相互對齊。模型接收歷史觀測和動作條件后，可以預(yù)測對應(yīng)未來視頻，使動作命令與生成幀之間保持細(xì)粒度一致。

    這意味著，Pelican-Unify1.0的“想象”不是脫離執(zhí)行的視覺生成，而是服務(wù)于機(jī)器人行動的未來預(yù)演；“動作”不再只是從圖像和語言里直接回歸出來，而是在同一個生成過程中與未來狀態(tài)共同建模；未來畫面約束動作是否合理，動作軌跡也約束未來是否可達(dá)。對于復(fù)雜操作任務(wù)，這種機(jī)制能夠幫助模型更好地處理長程依賴、物體接觸、遮擋和空間變化。

    真實機(jī)器人是檢驗“推理—想象—行動”閉環(huán)的真正考場。北京人形將Pelican-Unify1.0部署至天工人形機(jī)器人及UR5e機(jī)械臂上，重點驗證組合泛化與零樣本遷移。在組合泛化實驗中，模型僅用“插入RJ45接頭”和“做防水處理”等原子任務(wù)訓(xùn)練數(shù)據(jù)，未見過完整組合演示。測試中，機(jī)器人需依照自然語言指令先插線、后防水，跨階段保持任務(wù)目標(biāo)并基于前序結(jié)果規(guī)劃下一步，Pelican-Unify1.0成功完成了這類未見過的長程組合任務(wù)。

    邁向通用具身智能的新范式

    Pelican-Unify1.0登頂?shù)囊饬x并不只是拿到某一個榜單第一，而是提出了一條更接近通用具身智能的建模路徑：不再把理解、推理、想象與行動視作獨立模塊分別優(yōu)化再通過工程方式拼接，而是從一開始就讓它們共享表示、共同訓(xùn)練、相互塑形。

    這一路線的價值在于，它讓模型既能保持專家能力，又能在真實任務(wù)中形成更完整的閉環(huán)智能。機(jī)器人可以理解目標(biāo)與場景，推理過程讓任務(wù)意圖變得可監(jiān)督，未來想象讓動作具備后果意識，而動作執(zhí)行又反過來檢驗理解和想象是否可靠。Pelican-Unify1.0表明，具身智能的下一階段可能不只是更大的視覺模型、更強的動作策略或更逼真的世界模型，而是一個能夠把“看見、思考、想象、行動”統(tǒng)一起來的自適應(yīng)系統(tǒng)。

    Pelican-Unify1.0的研發(fā)主體——北京人形機(jī)器人創(chuàng)新中心，以通用機(jī)器人平臺“具身天工”和通用具身智能平臺“慧思開物”為雙核心，構(gòu)建起覆蓋“本體—大腦—小腦—平臺—生態(tài)”的全棧式閉環(huán)體系，讓頂尖模型融入真實的生產(chǎn)與服務(wù)場景，釋放其真正的價值。

    業(yè)內(nèi)人士認(rèn)為，具身智能下一階段的關(guān)鍵詞，是形成更完整的閉環(huán)和大腦各部分能力的協(xié)同進(jìn)化。而北京人形以“雙冠王”的技術(shù)積累，降低了具身智能的進(jìn)入門檻，加速人形機(jī)器人從專用設(shè)備向通用生產(chǎn)力工具的演進(jìn)。

（編輯 趙思卓 汪世軍）