新闻/量子位·12 天前

VLA与世界模型融合落地：智元GE-Act 2.0陌生场景成功率提升2.6倍

上海具身智能产业验证VLA与世界模型融合路径。智元GE-Act 2.0训练数据扩至3万小时，陌生场景成功率提升约2.6倍；蚂蚁灵波大脑适配20种构型并在药房上岗；大晓机器人实现100ms级状态预测，推动机器人从执行向预演决策进化。

AI 整理

• 数据与采集
• 具身模型
• 评测与安全

A智元精灵 G2

本文由 AI 根据公开内容整理，可能有误，请以原文为准：从“看懂世界”到“预演下一步”：世界模型与 VLA，如何让机器人拥有真正的“具身大脑”？（量子位）

核心内容

上海张江AI创新小镇成为具身智能技术验证高地，VLA与世界模型正从理论走向规模化应用。蚂蚁灵波“灵波通用大脑”已适配17个主流品牌及20种机器人构型，在上海国大药房多家门店正式上岗取药。国家地方共建人形机器人创新中心联合华为基于国产昇腾算力研发VLA，其“灵龙”系列机器人已在延锋汽车零部件产线完成火焰处理、齐套分拣等实景作业验证，跑通了从实训场训练到工业现场部署的迁移闭环。

世界模型补足了机器人“动手前推演”的能力短板。智元发布世界-动作模型GE-Act 2.0，将预测与生成整合，训练数据从300小时扩展至3万小时，在RTX 5090上生成连续动作块耗时约104ms，陌生场景总体成功率从17.1%提升至44.1%。大晓机器人开悟世界模型3.1驱动机器人在加油站便利店试运营，每100ms对未来状态进行一次预测。穹彻智能在全国50多城采集超10万小时真实世界数据，上海人工智能实验室InternW0-Δ模型则融合视觉、力觉与触觉以支持精密操作。

关键看点

• GE-Act 2.0性能跃升：智元世界-动作模型训练数据扩至3万小时，陌生场景测试成功率由17.1%升至44.1%，提升约2.6倍，无需额外训练即可适配陌生物体。
• 跨本体泛化能力：蚂蚁灵波通用大脑预训练阶段适配17个机器人品牌与20种构型，实现同一模型跨本体、跨任务运行，已在药房与工业产线双场景落地。
• 高频实时推演：大晓机器人开悟世界模型3.1在便利店拣选作业中保持约100ms/次的未来状态预测频率；GE-Act 2.0在RTX 5090上生成连续动作块仅需104ms。
• 多模态感知融合：上海AI实验室InternW0-Δ模型将视觉、力觉、触觉纳入统一架构，支持实验室移液等需精细力反馈的连续操作环节，突破纯视觉局限。

工程与产业观察

VLA解决执行、世界模型负责推演的融合范式已成行业共识。GE-Act 2.0与LingBot-VA 2.0等案例表明，将物理预测嵌入动作生成是提升泛化性的关键工程路径。当前瓶颈在于高质量数据规模（千万小时级）与推理延迟的平衡。随着工信部将世界模型列入标准体系，具备实时推演能力的具身大脑将成为下一代机器人核心竞争力。

来源

本页事实对应的公开页面，以原文为准。

1. 量子位：从“看懂世界”到“预演下一步”：世界模型与 VLA，如何让机器人拥有真正的“具身大脑”？访问 2026-10-17