外观
新闻量子位7 天前
千诀科技发布Polibrain世界模型，实现跨本体机器人物理规律复用
本文由 AI 根据公开内容整理，可能有误，请以原文为准：LeCun押注的世界模型，中国一家清华系公司已经做进了机器人（量子位）
核心内容
在2026物理AI与世界模型大会上，清华系具身智能公司千诀科技正式发布预测式世界模型Polibrain。该模型核心解决机器人对物理世界的抽象理解与预测规划问题，区别于当前主流的VLA路线，其研究团队早在2025年便于ICML发表关于隐变量可辨识性的理论成果，比LeCun团队相近研究早约一年。目前Polibrain已完成从理论到真机的跨越，在四足、人形、轮式及双臂等多种机器人形态上开展适配，覆盖陪伴服务、餐饮及精细操作等场景。
技术上，Polibrain采用松耦合架构，将环境任务表征与本体执行解耦，通过多项式表征提取关键物理变量以避免特征污染，并利用反事实推断机制筛选有效历史信息。模型不追求全画面生成，而是聚焦任务相关的潜在状态空间预测，形成感知-预测-决策-反馈闭环。当执行偏差发生时，可通过特征解码追踪异常并调整行动。这种设计旨在让不同构型机器人共享高层物理认知，解决跨本体数据复用难题，构建通用具身智能底座。
关键看点
- 理论先发优势：2025年ICML发表隐变量可辨识性研究，利用Fourier-Walsh变换分析离散布尔世界函数结构，比LeCun团队相近工作早一年提出学习判据
- 多项式表征机制：引入有效阶（ED）指标量化模型复杂度，通过正交多项式拟合输出，抑制高阶无关成分，防止模型死记硬背背景纹理等非因果细节
- 松耦合跨本体架构：将物理世界理解与具体动作执行分离，支持四足、人形、轮式等多形态机器人共用同一套状态表征与预测模块，降低迁移成本
- 因果记忆筛选：基于反事实推断机制过滤历史观测，仅保留影响后续决策的关键状态信息，解决遮挡与长时序任务中的状态丢失问题
工程与产业观察
Polibrain代表了世界模型从“视频生成”向“物理状态预测”的工程化转向。其核心价值在于通过数学约束（多项式表征、隐变量可辨识性）替代纯数据堆叠，为具身智能提供了可解释的泛化路径。松耦合架构若能打通跨本体数据壁垒，将显著降低多形态机器人的边际训练成本，是解决当前具身数据孤岛问题的关键技术范式。
来源
本页事实对应的公开页面，以原文为准。
- 量子位：LeCun押注的世界模型，中国一家清华系公司已经做进了机器人访问 2026-10-22