拓元智慧E0.5：三维几何驱动机器人操作性能跃升

对机器人而言，收纳充电器与缠成一团的线缆这类任务是巨大挑战——充电器是刚体，线缆是柔性体，两者运动规律差异显著；且不同摆放角度、线缆扭曲形态几乎不会在训练集中重复，让机器人难以判断线缆外露长度、抓取位置是否会压到已收纳部分，或是容器边缘是否会阻挡机械臂。这类任务的难点并非动作本身，抓取、平移、下放等动作拆开看都不复杂，难的是对空间状态的理解与动作执行后空间变化的预判。同一件物品换个角度、位置，或旁边多一个无关物体，在模型眼中就是全新输入分布，这也是真机成功率远低于实验室的原因。

过去两年，世界模型被视为通向物理AI的关键路径，但主流路线各有瓶颈：依托游戏引擎和人工物理规则生成仿真数据的路线，仿真与真实世界动力学存在天然鸿沟，无法穷举现实复杂性；基于海量视频学习视觉动态的路线，物理与几何一致性不足，且无法完成机器人控制闭环；在抽象隐空间做状态预测的路线，算力节省但表征效果难评估，工程落地路径不清晰；还有世界状态与动作联合建模的路线，直接面向真实物理世界交互，成为技术突破的核心方向。

拓元智慧推出的世界动作模型E0.5，正是针对上述问题的解决方案。该模型以三维几何为原生架构骨干，将未来物理几何状态预测与动作生成一体化统一建模，推动机器人从「看懂世界」迈向「推演物理规律、直接生成执行动作」。

E0.5的核心设计思路是将空间建模与物理建模解耦：空间建模负责几何表征，物理建模负责动力学演化，两者各有清晰监督信号，让模型对接触、摩擦、形变等连续变化的表征更充分，跨场景迁移时更易分离规律与场景。同时，E0.5将未来三维几何预测原生融入动作学习框架，不再依赖未来视频画面，而是联合建模动作序列与终点对应的未来三维状态，直接监督可训练的三维骨干，执行时无需额外生成未来场景即可输出动作序列。

在真机评测中，E0.5在两款机器人平台上表现突出：在AgileX Piper双臂机器人与Zerith H1人形机器人上，经超16万条真实机器人轨迹预训练后，整体平均成功率分别达85.0%与88.3%，较主流基线模型π0.5分别提升13.3和26.7个百分点，展现出明显优势。

具体任务表现可分为两类场景：不经大规模机器人数据预训练直接进行任务后训练时，Piper分布内任务平均成功率达86.7%，H1达93.3%，较未经具身预训练的π0.5提升40.0和23.3个百分点；充电器收纳任务中，Piper提升20个百分点（从50%升至70%），H1提升40个百分点（从40%升至80%），这类需完整收纳刚柔部件的任务最依赖几何理解，也是E0.5最擅长的领域；Piper垃圾清理成功率从40%升至100%，实现分布内全部成功；H1在相同数据预算下，整体平均成功率从51.7%升至81.7%，分布内提升23.3个百分点，分布外提升36.7个百分点。

经过大规模具身数据预训练后，E0.5的表现进一步提升：Piper分布内成功率达96.7%，H1达100.0%，较具身预训练后的π0.5提升16.7和23.3个百分点，其中H1在鼠标归位、充电器收纳、垃圾清理三项任务均达100%；面对未见物体与陌生空间配置，Piper和H1的分布外平均成功率分别达73.3%和76.7%，较π0.5提升10.0和30.0个百分点；复杂任务中，H1的分布外多物体垃圾清理成功率从20%升至80%，提升60个百分点。

E0.5的三大核心创新：一是将三维基础模型从辅助感知模块提升为世界动作模型的原生骨干，融合未来几何预测，让动作生成依赖空间变化知识，而非仅动作本身；二是依靠几何表征做迁移，学习的是刚柔部件、容器间的空间关系与交互规律，而非视觉匹配，在物体、姿态、布局偏移时维持操作逻辑，分布外泛化能力显著；三是构建长时序任务闭环，将每段动作与预期三维状态绑定，设置空间子目标，模型以最终任务为导向，自主感知进度，而非刻板执行固定动作序列，为复杂作业提供容错能力。

在产业落地层面，E0.5聚焦端侧实时闭环，无需扩大模型参数量，而是通过架构先验、三维几何监督、动作-状态联合建模，降低训练门槛，适配机器人端侧部署，支持场景微调和在线增量学习。物理AI的叙事重心正从「能不能做出来」转向「能不能用起来」，E0.5所在的技术架构（VWA与PhyAgentOS双层底座）已在智慧零售、仓储物流、工业制造、人居服务等场景落地，重构产业落地逻辑，让系统自主推演任务方案，减少传统方案中人工硬编码调试的成本与周期。