清华开源世界模型：性能碾压硅谷标杆量子位
国产开源具身世界模型，直接秒了Pi-0.5，而且还是几位清华硕、博士研究生领衔推出的。
这就是由生数科技联合清华大学，正式开源的大一统世界模型——Motus。
项目主要负责人，是来自清华大学计算机系朱军教授TSAIL实验室的二年级硕士生毕弘喆和三年级博士生谭恒楷。
之所以说是大一统，是因为Motus在架构上，直接把VLA（视觉-语言-动作）、世界模型、视频生成、逆动力学、视频-动作联合预测这五种具身智能范式，首次实现了“看-想-动”的完美闭环。
而且在50项通用任务的测试中，Motus的绝对成功率比国际顶尖的Pi-0.5提升了35%以上，最高提升幅度甚至达到了40%！
在Motus的加持之下，现在的机器人已经具备了预测未来的能力。
瞧，Cloudflare人机验证任务，机器人可以轻松拿捏：
不难看出，面对形状不规则的曲面鼠标，Motus控制的机械臂不仅能精准识别，还能根据鼠标与屏幕点击框的距离，平稳连续地移动，最后极度精准地完成点击。
再如长程多步推理的孔明棋任务，Motus同样展现出了严密的逻辑闭环，一步步解开棋局：
再来看一个堪称是机器人噩梦的任务——叠衣服：
衣服这种柔性物体的形变是过程中持续不断发生的，但在Motus手下，整个过程丝滑顺畅，就像有了人类的触觉和预判一样。
可以说，Motus的出现，率先在具身智能领域发现了Scaling Law，直接复刻了当年GPT-2被定义为“无监督多任务学习者”的奇迹。
很多CTO、创始人们看完之后直呼“妙哉”：
这是互联网视频学习与现实世界机器人之间的巧妙桥梁。
Motus的Latent Action范式太妙了。统一的VLA架构消除了机器人学中的模型碎片化，这才是真正的突破。
将感知、预测和行动统一在智能体内部确实是实质性的进展。
包括此前大火的英伟达Cosmos policy、DreamZero这些工作，被认为是颠覆了VLA的范式，转向WA（World Action Models）或VA（Vision Action）范式；但其核心思想与Motus相近，大同小异。
目前，Motus的代码、模型权重已全部开源。
那么接下来，我们就来扒一扒这个大一统世界模型是如何实现的。
一个架构统一了五种范式
在过去，具身智能领域可以说是散装的。
因为像VLA、世界模型、视频生成、逆动力学、视频-动作联合预测等模型，很难有机地凑成一个整体。
而Motus最大的亮点，在一个框架内把这五种范式全包圆了。
大一统背后的技术，便是Mixture-of-Transformer（MoT）架构，配合Tri-model Joint Attention（三模态联合注意力）机制。
简单来说，通过这种方式，Motus相当于把三个专家攒到了一起：
理解专家（大脑）：基于Qwen-VL，负责看懂环境和指令；
视频生成专家（想象力）：基于Wan 2.2，负责推演未来画面；
动作专家（小脑）：负责具体的运动控制。
通过Tri-model Joint Attention，这三位专家可以在同一个注意力层里实时交换信息。
这就赋予了机器人一种很像人类的能力：不仅能看见（感知），还能在脑海里想象动作发生后的未来画面（预测），从而反过来倒推现在该做什么动作（决策）。
这正是我们刚才提到的“看—想—动”闭环。
但要训练这样一个全能模型，光在模型框架层面下功夫还是不够的——数据，也是一个老大难的问题。
因为机器人真机数据太贵、太少，而互联网上虽然有海量的视频，却只有画面，没有动作标签（Action Label）。
为了解决这个问题，Motus采取的策略便是潜动作（Latent Action）。
研究团队利用光流技术（Optical Flow），捕捉视频里像素级的运动轨迹，然后提出了一种Delta Action机制，将这些像素的变化翻译成机器人的动作趋势。
这个思路可以说是比较巧妙，就像是让机器人看武侠片学功夫。
虽然没有人手把手教（没有真机数据标签），但机器人通过观察视频里高手的动作轨迹（光流），看多了自然就懂了招式和发力方向（潜动作）。
由此，上至昂贵的真机数据，下至浩如烟海的互联网视频、人类第一视角视频（Egocentric Video），Motus全都能吃进去，从中提取通用的物理交互先验。
除此之外，基于数据金字塔和潜动作，Motus还构建了一套三阶段训练流程，逐步将通用的物理动力学常识“蒸馏”为精确的机器人控制能力：
视频生成预训练。利用多机器人轨迹和人类操作视频来微调视频生成专家，使其能根据条件帧和语言指令生成合理的机器人操作视频。
潜动作预训练。在冻结VLM的情况下，用视频、语言和潜动作同时预训练三个专家，将通用的运动先验充分地注入Motus中。
特定本体微调。利用目标机器人的真机数据对Motus进行整体微调，将模型适应到特定场景下的下游任务，例如RoboTwin仿真和真机机械臂抓取。
Scaling Law在物理世界跑通了
