来源：新浪科技

新浪科技讯 10 月 16 日下午消息，日前，优必选自研的统一多模态世界模型 Thinker-WM 在三大公认具身世界模型基准评测中全部拿下第一名。

其中，在 WorldOlympiad 基准中，Thinker-WM 以综合得分 0.740 位列榜首，3D 一致性 0.531、交互保真度 0.765 两项单项指标位居全部参评模型首位；在 EWMBench 基准中，Thinker-WM 取得综合总分 4.66，超过 Qwen-RobotWorld、Sora2 等主流模型；在仿真环境基准 WorldArena1.0 Track-1 中，Thinker-WM 在视觉画质、内容一致性、物理合理性、3D 几何精度、指令遵循等 12 项关键评价维度整体领先。

据介绍，与过往世界模型普遍采用的 " 拼接式 " 方案不同，Thinker-WM 以表征层统一的 Unified Dynamic Transformer（UDT）为核心，将 RGB 图像、度量深度、机器人动作纳入同一套共享动态表征联合演化，实现视频 - 动作联合生成、世界预测、策略推理、视频转动作、逆动力学等多项能力合一。在 RoboTwin 单任务消融实验中，引入深度模态后操作成功率较无深度基线提升了 15 个百分点。

训练数据方面，Thinker-WM 语料包含约 2 万小时第一人称人类视频、约 1 万小时真实机器人数据及约 1 千小时仿真数据。模型统一使用末端位姿表示机器人动作，并为不同机器人嵌入专属标签。优必选表示，Thinker-WM 现已完成在优必选机器人平台上的部署验证，相关技术将持续赋能下一代具身智能系统。