成都发布全球首个保持流形拓扑结构的机器人世界模型

来源：科技日报

科技日报记者 刘侠

机器人如何才能真正“看懂”并理解我们身处的物理世界？这不仅是科幻作品的终极命题，更是当前具身智能领域亟待突破的核心瓶颈。传统的机器人感知模型，往往停留在对图像像素数据的浅层处理，难以把握物体间深层的空间关系和物理规律，导致决策时出现“幻觉”，带来安全隐患。

5月14日，来自成都人形机器人创新中心的一项发布，为这个问题提供了一个全新的解题思路。该中心正式发布了中国首个基于流形拓扑保持的机器人世界模型。这项前沿技术旨在为机器人构建一个能够深刻理解物理世界运行法则的高效“大脑”，从而摆脱传统AI模型的“像素化”感知局限，让机器人在复杂动态环境中实现快速、安全且可靠的决策与行动。

那么，这个“世界模型”究竟有何不同？与传统生成式架构的具身智能模型相比，后者存在一定程度的“模型幻觉”——类似于大语言模型答案的不确定性，这给机器人执行具体任务带来了极大的安全风险。同时，这类模型往往无法内化真实的物理规律，泛化能力因此受限。而世界模型，则是一种具备对物理世界进行理解和预测的全新架构，被业界广泛视为人形机器人技术收敛的最大可能方向。值得注意的是，成都人形机器人创新中心作为国内最早投入世界模型核心技术研发的团队之一，已于2025年8月率先发布了中国首个基于世界模型的机器人任务执行系统。

此次发布的核心突破，在于引入了“流形”这一经典数学概念。流形可以理解为一种能够在局部保持欧几里得空间性质的几何结构。研究团队在此基础上实现了关键创新：通过流形理论，将高维物理世界的复杂状态描述，映射到低维空间进行有效编码。这意味着，机器人在其内部的“隐空间”进行路径或动作规划时，其决策将严格符合自然界的物理规律，从根本上避免了由视觉-语言-动作等架构可能导致的物理碰撞、穿越或重叠等违背常理的问题。

这套基于流形拓扑保持的世界模型，其意义在于为通用人形机器人平台提供了一种跨形态、跨场景的底层表征范式。它将摄像头、传感器捕获的海量、复杂的感知数据，压缩为具备内在几何逻辑的精简表征。形象地说，它为机器人绘制了一张拓扑结构一致的“心理地图”。

于是，无论是在光线昏暗、空间狭窄的矿井下执行巡检任务，还是在物品摆放复杂、动态变化的家庭环境中进行柔性协作，机器人都能凭借这张“地图”快速理解环境的结构本质，并迅速适应。这种能力不仅大幅提升了强化学习的训练样本效率，更重要的是，它赋予了机器人一种物理意义上的泛化能力——即对空间结构关系的深刻理解，而非仅仅对特定场景数据的机械记忆。

可以预见，这项技术的突破将为机器人真正融入现实生活铺平道路。未来，成都人形机器人创新中心表示将持续引领具身智能世界模型的核心技术研发，并推动其在各类机器人本体中的深入应用。最终目标，是让机器人变得更聪明、更善解人意，能够真正理解并安全地互动于物理世界，从而走进千家万户，服务各行各业。