在具身智能赛道的激烈竞争中，各大厂商纷纷投身于世界模型的研发，试图为机器人打造一颗聪明的“大脑”。然而，近期崭露头角的「Uranus」世界模型却选择了一条差异化路径——它没有聚焦于“大脑”本身，而是致力于构建机器人开发的基础设施。在当前的市场上，这类定位的产品确实凤毛麟角。

Uranus的核心目标是解决具身智能行业的两大痛点。首先是评测基准（benchmark）的可信度问题。目前许多评估体系公信力不足，Uranus希望扮演一个公正的裁判角色，更客观地衡量视觉语言动作模型（VLA）和世界模型的真实水平。其次是仿真到现实（sim-to-real）的迁移鸿沟。传统仿真器中表现优异的模型，一旦部署到真实场景往往性能大打折扣。Uranus的愿景正是为机器人训练提供一个高度仿真的“训练场”，有效弥合这一差距。

Uranus的背后团队来自于从地平线分拆出的地瓜机器人。这家公司的核心业务模式是“卖铲子”——定位为机器人软硬件通用底座的提供商。当同行们都在争夺“大脑”高地时，地瓜的判断是：要让机器人的“大脑”变得更智能，首先需要一个能够反复试错、稳定考核并复盘成绩的平台。Uranus正是承载这一使命的平台。

用途一：作为具身模型的客观裁判

首先来看评测基准方面。目前机器人领域常用的评估方法主要有两种。其一是真实机器人评测——将训练好的模型部署到实际机械臂上，在固定的环境和任务中重复执行数十至上百次，最终统计成功率。它的缺点显而易见：效率低下，验证一个模型需要专人全程值守并反复重置环境，过程既慢又昂贵；此外，复现困难重重，即便环境看似相同，物体的摆放位置、光照条件等变量也难以精确控制。这使得一篇论文发表后，其他实验室几乎无法复现其评测结果。

其二是仿真评测——在虚拟环境中运行任务。虽然具备快速、廉价、可复现等诸多优点，但核心障碍在于sim-to-real gap：模型在仿真环境中得分很高，一旦迁移到真实机器人上，性能便会大打折扣，仿真分数与实际能力之间缺乏可靠对应关系。

Uranus开创了第三条路径。用户完成模型训练后，Uranus会根据模型输出的动作，逐步生成环境反馈，并最终提供成功率、轨迹偏差等关键指标。其优势十分显著：迭代效率远高于真实机器人评测，能够严格控制变量，并实现稳定的结果复现；最关键在于，评测得分与模型在真实场景中的实际能力呈现出高度正相关，sim-to-real gap被大幅缩小。地瓜机器人的目标是让Uranus成为行业内最具公信力的评测基准之一。

地瓜机器人算法副总裁隋伟指出，当前评测基准的“刷榜”行为屡遭质疑，根本原因在于部分榜单所依赖的学术指标与真实应用场景之间仍存在距离，相关数据未必能反映真实环境的复杂性。Uranus并不刻意回避“刷榜”问题，而是致力于让刷出来的分数具有实际意义——确保得分能够真实反映模型的实际能力。

用途二：支持机器人训练的高保真仿真器

除了作为裁判，Uranus还扮演着另一个关键角色：机器人仿真器，主要应用于机械臂操作（manipulation）领域。传统物理仿真器的局限性众所周知：成本高、速度慢、效率低下。手工构建仿真场景是一项浩大的工程——涉及3D建模、材质设定、物理参数调校等多个环节，每个新环境往往需要花费数天甚至数周时间。即便投入大量精力，渲染出的画面依然缺乏真实感。更致命的是，一些仿真器为追求效率而粗暴简化物理规则，甚至违背基本的能量守恒定律，这必然导致较大的sim-to-real gap。

Uranus的设计理念截然不同：它不依赖手工还原3D世界，而是直接从数据中学习——即机器人在执行某个动作后，下一帧画面应如何变化。在Uranus中搭建场景变得十分简便：只需提供几帧参考图像、机器人关节状态、相机参数以及一句文本描述，模型便能自动生成对应的场景。生成的画面越逼真，仿真环境与真实场景之间的鸿沟就越小。据团队介绍，Uranus生成的视频，肉眼几乎难以分辨是实拍还是生成。

Uranus的核心技术揭秘：帧级闭环与跨本体泛化

Uranus最核心的技术能力在于：帧级闭环。它并非一次性生成整段视频，而是逐帧生成。普通的视频生成模型会一次性生成完整片段，中间无法中断，也无法根据新的动作指令改写后续内容。但机器人无法采用这种工作方式——模型观察到当前画面，输出一个动作指令，动作执行后环境发生变化，机器人再根据新画面输出下一步动作。这一循环必须逐步发生，一旦中间过程被中断，强化学习和评测都无法顺利进行。

Uranus每次只生成下一帧。新生成的帧会立即进入历史窗口，与下一步动作共同作为模型输入。用户也可以在任何时刻介入，改变动作指令，使后续画面沿着新的轨迹继续生成。打个比方，像Seedance这类视频生成模型产生的效果，类似于按剧本拍摄的电影；而Uranus生成的，则更像一个能够实时交互的游戏。

然而，帧级闭环带来的核心挑战是误差累积——每一步的微小预测误差都会作为历史条件输入到下一步，经过数十步之后，画面就可能变得模糊，甚至退化为像素块。而Uranus成功突破了闭环长序列的技术瓶颈：它在训练时仅使用2秒的短视频片段，但推理时却能够稳定运行60秒，全程保持画质清晰稳定。

另一个核心能力是跨具身形态的零样本泛化。用户训练模型时可能使用不同的具身硬件，如果评测平台仅支持单一本体，大家又不得不回到寻找真实机器人、搭建环境、重新评测的老路上，泛化性也无从实现。目前，Uranus已支持G1人形机器人和Franka协作臂，未来还将支持更多本体类型。

需要指出的是，Uranus目前仅支持机械臂操作（manipulation）训练，尚不支持运动控制（locomotion）训练。原因在于，Uranus当前的处理模态仅限于动作、图像和语言，尚未纳入触觉、摩擦力、电机信号等信息，无法支撑locomotion的仿真训练。隋伟表示，要补充这些模态，关键仍然在于数据，而这类数据目前普遍还不够成熟。

构建“地基”比打造“大脑”更具挑战

为何地瓜机器人选择将Uranus定位为基础设施，而非具身大脑？地瓜机器人大模型负责人秦文康解释道，目前许多世界模型将视频生成作为辅助损失（auxiliary loss），但学术界通常不评估训练过程中生成视频本身的质量。团队观察过众多世界模型生成的视频，发现其质量普遍还有较大提升空间。Uranus团队的核心观点是：先将视频生成的质量做扎实，这对于下游的动作生成训练可能会有更大的帮助。

还有一个出人意料的原因：具身大脑和基础设施的底层原理本质上是相同的，但做基础设施的难度甚至更大。开发具身大脑，尚有相对明确的学术成果可供参考；而构建仿真器，目前还没有特别成功的论文或范式可以借鉴。具体到技术层面，做基础设施必须攻克三大难关：像素级生成（评测和强化学习需要真实的图像输入，仅在潜在空间中进行预测是不够的）、跨视角一致性（机器人通常配备多路相机，如手眼相机、环境相机、第三视角相机等，它们必须在同一时刻保持画面同步）、以及帧级闭环（每一步都需要接收动作指令、输出反馈，并将自身的输出继续作为后续输入）。

许多机器人公司不愿涉足基础设施开发，普遍原因是缺乏算力，而视频训练是公认的资源消耗大户且结果不确定性高，没有人愿意拿有限的资源去赌一个不确定的结果。地瓜机器人则将自身定位为机器人界的“英伟达”，一直致力于构建“地基”——提供机器人所需的芯片方案、开发工具、训练和部署平台。Uranus正好顺势嵌入地瓜生态系统，一端连接评测，一端连接强化学习训练，恰好覆盖了开发流程中最重要的两个环节。

三分之二的精力，花在了“脏活累活”上

最后来谈谈Uranus的诞生过程。地瓜机器人开发团队给出的答案有些出人意料：搭建基础设施（infra）和处理数据这些看似技术含量不高的“脏活累活”，反而消耗了整个项目三分之二以上的精力和资源。

首先是基础设施（infra），团队一半以上的精力都投入于此。例如存储问题——不仅仅是购买足够多的硬盘，Uranus面对的是PB级别的海量数据，团队为此专门设计了分层存储方案。在训练阶段，还需要解决数据加速访问的问题。算力问题同样令人头疼：今年上半年，市场上突然出现显卡资源紧缺，单一云服务商无法满足算力需求，团队不得不花费大量时间设计跨云的算力协调方案。要训练高分辨率、长时间的视频，单张显卡的显存放不下，需要将同一段视频切开，在不同显卡上并行计算，再汇总结果。总之，从存储选型、算力节点机房位置、网络连接，到上层训练数据的热存储加速，团队全部重新进行了优化。做完这些工作后的深刻感受是：语言模型领域已成共识——没有基础设施就不要谈大模型。但具身行业对基础设施的重视程度还远远不够。

除了基础设施，数据处理同样令人心力交瘁。Uranus主要使用开源数据进行训练，数据量级在几百小时。然而，这些数据存在各种问题：有丢帧现象，需要进行切片处理；有记录的动作与视频中实际执行的动作不匹配，需要用算法识别并修正；还有不少数据集甚至没有完成相机标定。目前，几百小时的数据还远未让Uranus“喂饱”——只要数据量增加，模型能力就能随之提升，这条能力增长曲线目前尚未看到收敛的迹象。Uranus的计划是：今年下半年将数据量扩充到几千小时级别，明年达到数万到十几万小时级别。

今年，许多具身公司喊出了“百万小时数据”的目标，但隋伟持有不同看法。他认为，一方面，现有算力很难支撑如此庞大的数据量；另一方面，单纯堆砌时长意义不大，同质化的数据对模型训练的贡献有限。即便真的采集了百万小时数据，其中真正能起作用的数据可能还不到1%。相比数量，数据的质量和多样性更为重要。隋伟举例说，自动驾驶行业谈论的并非数据时长，而是“片段数量”（clip数量）——即在不同时间、空间和场景下采集的样本片段。他指出，当前的具身行业，模型决定下限，而数据决定上限。Uranus的案例很有说服力：仅仅通过优化相机标定、对齐动作与画面关系、剔除脏数据，就能换来数十个百分点的成功率提升，而单纯的算法优化却达不到同样的效果。如今，许多关键工作归根到底仍是数据工程，尚未到达纯粹比拼模型算法的阶段。