AI 编程实时动态与要闻

机器人公司 LiberAI 在官方 X 账号和技术博客发布 Liber-0，一个同时预测未来画面和动作的世界动作模型（World Action Model），用超过 220 万小时人类经验预训练，并用自研 LiberSense 手套采集的精确手部动作数据做“动作锚点”。在 GPT-6 随机提出的 60 项任务、600 次试验中，Liber-0 在没有针对这些任务采集机器人示范的情况下总成功率 36.0%，其中复杂多步任务仅 10.5%。官方未公布开源权重或 API。

查看大图

Dream Labs 10 月 19 日宣布出隐身并完成 9000 万美元种子轮，同时上线 Dream-1 公开 API。Dream-1 是一个「世界动作模型」（WAM），把视频预测和动作预测放在一起学，官方称无需该机器人的任何演示数据，就能零样本控制带平行夹爪的双臂机器人，在仿真中跑通 27 款没见过的机型，包括 18 年前的 PR2。定价 Dream-1 每小时 3 美元、Dream-1-flash 每小时 2 美元。第三方 Robocurve 的独立评测里，Dream-1 在 RoboDojo-RC Tier 1 得 59 分，此前最佳为 48 分。官方强调仍是研究测试版，未做安全关键场景验证。

查看大图

近期兴起的像素级世界模型（Pixel-space World Models）试图通过预测执行后的未来屏幕画面再反向选动作，但在 GUI 环境中面临双重困境：全屏像素重构计算成本极高，且极易触发“恒等捷径”（Identity Shortcut，即预测画面倾向于维持原样而非体现动作引发的变化）。KAIST 等团队提出首个专为 GUI 智能体打造的隐空间世界动作模型（Latent World Action Model）：将预测目标从全屏像素渲染转移至动作引发的隐空间动态转移，引入动作选择与预测转移双头架构及动作感知对比学习。实验显示，在线任务成功率暴增 40.6%，同时将推理延迟大幅压缩了 98.9%。

查看大图

世界动作模型（World Action Models, WAMs）通过从初始观察与指令中联合预测未来的视觉动态与动作流，被视为具身机器人自主操控的核心发展路径。然而现有 WAM 架构在面对长程复杂任务时面临难以克服的算力瓶颈：逐帧自回归生成稠密视频不仅计算极度昂贵且误差累积严重，而若简单退化为仅预测单一终态帧，又完全丧失了朝向目标渐进推进的中间视觉指导。Meta FAIR 联合上海交通大学团队提出了前沿渐进式世界动作模型 ProWAM（arXiv:2610.02508）：核心创新在于联合预测动作以及一组按序排列的“稀疏视觉子目标（Sparse Visual Sub-goals）”，为任务全生命周期的动作生成提供精准锚定的时空视觉脚手架。该架构通过单次前向传播将视频主干提炼的稀疏子目标特征进行高效缓存，彻底终结了重规划时重复生成完整视频的笨重开销，仅需轻量级动作去噪即可完成闭环控制。在仿真基准测试中，ProWAM 在 LIBERO-Plus 上斩获 85.8% 胜率（相对提升高达 +35.9%），在随机化 RoboTwin 上取得 75.7% 胜率，在 RoboCasa365 的 Composite-Unseen 挑战集上名列前茅；尤为关键的是，在零样本真实物理机械臂操作中，ProWAM 在陌生全新场景下达成 70.0% 的超高成功率，相对业界最强基线提升 27.3%。

查看大图

上海人工智能实验室与 OpenDataLab 正式开源统一世界动作模型（WAM）InternW0-Δ。基于开源界规模最大的 2 万小时具身异构语料库，模型采用 Mixture-of-Transformers（MoT）架构联合视频专家与动作专家协同建模。首创“因果印记”（Causal Imprint）机制，仅凭训练期未来监督即可将动态预测表征直接注入动作网络，在推理时彻底摒弃耗时数秒的未来视频渲染展开，实机泛化表现大幅超越既有具身模型。

查看大图

机器人具身智能联合研究团队正式发布并开源了差量世界动作模型 DeltaWAM 与流式差量记忆机制 SDM（arXiv: 2609.28811，项目主页: aigeeksgroup.github.io/DeltaWAM/）。针对现有基于预训练视频生成模型的世界动作模型（WAMs）在训练和推演时盲目预测全尺寸密集未来帧、导致大量未变化背景吞噬算力且视频大模型严重拖慢动作生成延迟的痛点，DeltaWAM 首创“稠密锚点 + 稀疏视觉差量（Visual Deltas）+ 动作流”解耦架构，单步推演延迟暴降 36.57%，在双臂协同操作权威基准 RoboTwin 上取得 85.4% 的超高成功率。

查看大图