UBTECH 发布统一多模态世界模型 Thinker-WM

UBTECH 的 Thinker Team 发布统一多模态世界模型 Thinker-WM，通过共享的 Unified Dynamics Transformer 联合建模并生成 RGB、度量深度和机器人动作，同一套参数支持视频-动作联合生成、世界预测、策略推理、动作条件生成、视频到动作生成和逆动力学等功能。 该模型在约 2 万小时第一人称视频、1 万小时真实机器人数据和 1 千小时仿真数据上训练，其中约 4 千小时真实机器人数据带对齐的深度监督。论文称其在 EWMBench、WorldOlympiad、WorldArena 三项评测中排名第一，并称轻量运动探针显示冻结的视觉表征中包含可恢复的运动信息。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。