国产具身智能新突破 单模型包揽导航停靠抓取

当前，具身智能领域的机器人正逐步突破单一动作的局限，但在“到达”与“操作”的衔接上仍存在核心瓶颈：仅能自主移动到目标附近的机器人，常因底盘停靠位置偏差或朝向不当，导致机械臂无法完成抓取、放置等后续操作——例如，要完成桌上杯子的收纳任务，机器人不仅需要走到桌边，还需精准调整自身位置与朝向，才能让机械臂顺利伸到杯身。

针对这一长期难题，国内研发团队联合高校实验室提出了一条全新技术路线：推出统一世界动作模型Fysiverse-UniWAM，尝试用单一模型打通自主导航、移动操作与固定工位灵巧操作三类原本独立的机器人能力，且未采用行业内主流的大规模机器人预训练路径。

团队以预训练视频世界模型为基础，通过共享骨干网络实现导航与操作的联合学习，同时提出“操作锚定位姿（MAP）”概念，构建了包含超150万条轨迹、累计约7500小时数据的MAP-Data数据集，为模型提供关键的几何监督信息。

为验证模型性能，团队开展了多轮基准测试与真机实测：在MAP-Bench评测中，Fysiverse-UniWAM的平均位置误差仅9.85厘米，平均朝向误差2.30°，较行业最强基线分别降低30.1%与44.0%；更具突破性的是，模型部署到4种机器人平台后完成的24项真机任务中，13项导航任务的位置误差全部领先，4项移动操作任务成功率达100%，平均成功率80.0%，较主流预训练模型π₀.₅高出17.5个百分点。

除导航与移动操作外，Fysiverse-UniWAM在灵巧操作领域也展现出丰富能力：可完成“万物抓取”的交互式操作，让机械臂根据不同物体的形状、姿态灵活调整动作；能协调双臂完成三层杯塔搭建，实现高精度试管插放，还可执行长程咖啡制作等多步骤任务。在7项固定工位操作测试中，模型整体成功率达68.9%，仅落后π₀.₅ 2.5个百分点。

这套模型的核心技术逻辑围绕两个关键设计展开：其一，通过MAP概念明确导航的终点需适配后续操作需求，而非仅抵达目标附近，团队利用大规模场景数据自动生成监督轨迹，无需依赖大量真实机器人操作示范；其二，采用“混合数据流（Mixed-Stream）”架构，让导航与操作的数据流独立处理，却共享核心骨干网络，既降低了两类任务学习的冲突，又能让不同类型的数据共同参与训练，减少对完整移动操作数据的依赖。

进一步的实验显示，模型的性能提升并非完全依赖额外数据：在不加入MAP-Data的情况下，基础版Fysiverse-UniWAM已优于部分基线模型，加入MAP-Data后精度进一步提升；零样本真机迁移测试中，仅用MAP-Data训练的模型直接部署到真实机器人平台，仍取得18.7厘米位置误差与6.34°朝向误差的结果，展现出良好的泛化潜力。

Fysiverse-UniWAM的出现为具身智能发展提供了新的可能性：它证明统一机器人能力的路径并非只有大规模预训练一条，通过明确的操作导向设计与高效的数据利用，也能实现导航、操作等多能力的融合，为通用机器人的发展探索了新方向。

相关项目资源可通过以下渠道获取：项目主页与演示链接、技术报告、GitHub代码、Hugging Face模型权重、MAP-Data数据集及MAP-Bench评测数据等。