优必选Thinker-WM统一多模态世界模型论文发布

2026年10月14日，优必选 Thinker 团队在 arXiv 发布论文，提出面向具身智能的统一多模态世界模型 Thinker-WM。该模型通过共享的 Unified Dynamics Transformer 联合建模并生成 RGB、度量深度与机器人动作，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多种功能。训练数据方面，论文称使用约 2 万小时第一视角视频、1 万小时真实机器人数据和 1 千小时仿真数据，其中约 4 千小时真实机器人数据带有对齐的深度监督。论文还称 Thinker-WM 在 EWMBench、WorldOlympiad 和 WorldArena 上排名第一，并通过对照实验展示了动作条件、几何交互与多功能训练在共享表征中的收益。目前该事件仅有这一篇主报道，尚无后续跟进报道。

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。