近日，全球机器人领域顶级学术会议 ICRA 在维也纳圆满落幕。大会期间，由中科院自动化所模式识别实验室牵头的联合团队，凭借自主研发的 NeoVerse-ABot 模型，斩获图像质量与动作跟随两项核心指标全球第一。该模型以 0.829 的高分在 526 支参赛队伍中脱颖而出，成绩含金量十足。

可以设想一下，未来的机器人不再只是机械执行“向前、向左、抓取”等指令，而是会在动作发生前先进行判断：我的机械臂这样伸过去，是否真的能够碰到杯子？如果抓取力度不足，杯子会不会在移动途中滑落？这种更接近人类思考方式的决策能力，如今正逐步成为现实。这项赛事的重要价值在于，它考察的不只是生成画面是否清晰，更关键的是模型能否严格遵循动作指令，并准确预测真实物理世界中的连锁变化。

让机器人学会“三思而后行”

长期以来，公众印象中的机器人更多是“所见即所行”的执行设备——它们通常依赖实时视觉感知完成预设任务，却缺少对物理环境的理解、推理与提前预判能力。一旦遭遇空抓、物体滑落、运动轨迹偏移等非理想情况，传统机器人往往容易操作失误，难以真正适应复杂多变的真实应用环境。

NeoVerse-ABot 团队认为，这恰恰是“高级机器”与“智能体”之间的重要分界线。团队成员形象地将其概括为机器人的“物理想象力”。传统机器人更像条件反射式的执行者——看到红色信号就停止，检测到阻力就后退。它们擅长即时反馈和轨迹控制，但难以预测自身行为可能带来的后续结果。

而 NeoVerse-ABot 模型的核心价值，就是为机器人建立起一座连接“感知”与“决策”的桥梁。它主要接收两类输入信息：一类是机器人当前“看到”的环境场景，另一类是它“准备”执行的动作序列。模型需要完成的任务，则是准确预测接下来环境、目标物体以及机械臂之间将会发生怎样的动态变化。

过去，相关技术竞赛更多比拼谁能生成更清晰、更逼真的视频画面。但此次 ICRA 赛道提出了更高要求——模型必须严格服从动作控制指令。也就是说，模型不能仅凭经验“脑补”出一个视觉上精美、但动作逻辑错误的未来场景。NeoVerse-ABot 在图像质量和动作跟随两项核心指标上双双位列全球第一。这意味着，中国团队研发的这一机器人世界模型不仅能生成高质量图像，还能够遵循真实物理规律，把控制信号准确转化为物体运动、接触过程以及状态变化。团队成员表示，这一结果表明，在具身智能的关键基础问题上，中国已经具备与国际顶尖团队正面竞争并取得领先成绩的系统化能力。

“动作幻觉”威胁很大

在世界模型研究与机器人 AI 研发领域，“动作幻觉”一直是困扰全球科研团队的核心难题，也是制约机器人从实验室走向真实应用场景的重要障碍。所谓“动作幻觉”，是指模型脱离机器人真实动作指令和物理逻辑，仅根据训练数据中的常见模式去“脑补”理想化结果，最终出现“明明空抓却显示抓取成功”之类的虚假画面。虽然这些画面看上去逼真，但在逻辑和物理层面并不成立。这类问题会让机器人错误低估操作风险，进而做出不安全的动作，在工业制造、生活服务等场景中，可能直接威胁设备安全、物品完整，甚至人身安全。

在备赛过程中，团队将破解“动作幻觉”确定为重点攻关方向。他们打破了“失败样本只是训练噪声”的传统看法，提出了一个关键判断：真实场景中的失败轨迹、动作偏移和交互误差，本身就是极具价值的监督信号。在系统梳理大量遥操作数据后，团队重点挖掘夹空、滑落、补夹等失败片段，并提升这类长尾样本在训练体系中的权重，让模型能够充分学习真实物理交互下的完整结果分布。

与此同时，团队还创新性引入强化学习反馈机制，对模型评价体系进行了重构。传统模型通常更关注画面清晰度和流畅度，而这一新机制则重点奖励动作匹配、因果合理以及物理合规的生成结果，显著提升了模型对机器人控制信号的敏感性，从源头上抑制虚假生成问题。经过多轮迭代优化后，NeoVerse-ABot 已能够精准区分成功操作与失败交互，在非理想场景下真实预测物体停留原位、中途滑落等实际结果，真正摆脱了“默认成功”的固有缺陷。

赛场突围赋能产业

当前，具身智能已被纳入我国“十五五”规划重点发展的未来产业。NeoVerse-ABot 此次夺冠，不只是一次学术竞赛的胜利，更被视为中国机器人产业加装“智能大脑”的关键一步。

放眼全球，国际顶尖模型都在将可交互、可预测、可模拟的世界模型视为下一代 AI 技术的重要突破方向，全球技术竞争持续升温。团队负责人坦言，客观来看，世界模型仍处于快速演进和持续迭代阶段，我国尚未实现全面领先。不过在具身智能世界模型这一关键细分领域，中国团队已经摆脱单纯跟跑局面，在动作精准跟随、失败场景建模以及工程化落地等核心维度，具备了与国际顶尖队伍并跑，甚至局部领先的实力。

从国内机器人产业升级的角度来看，这项技术突破正好补上了中国机器人产业链中的重要短板。当前，我国机器人核心零部件国产化进程不断提速，硬件生态持续完善，但高精度、高可靠性的“智能大脑”仍相对不足，这也长期限制着行业从样机展示走向规模化应用。传统机器人研发往往依赖真机反复试错，存在数据采集成本高、长尾场景覆盖不足、迭代周期长等问题。而 NeoVerse-ABot 则可以充当高可信度的“神经仿真器”，通过虚拟环境预演生成海量符合物理规律的训练数据，大幅降低真机试错成本，加快机器人策略优化与产业场景落地。

从长期应用前景来看，这项机器人世界模型技术拥有十分广阔的发展空间。在工业制造领域，它能够帮助柔性生产机器人适配多种零件与复杂工艺流程，提前预判操作风险，提升生产柔性与效率；在仓储物流、商业服务等场景中，它可以让高频、多任务机器人自主调整执行策略、减少操作失误；在家庭服务、养老医疗、特种作业等开放环境中，它有助于提升人机交互安全性和机器人环境适应能力。除此之外，这项技术还可进一步拓展至自动驾驶、低空智能、科学实验自动化等方向，成为通用智能体理解真实世界、适配复杂环境的核心基础能力。

团队表示，对于中国具身智能产业而言，这次夺冠只是一个新的起点。接下来，他们将持续推进关键技术研发，进一步推动世界模型与大规模强化学习、在线规划算法深度融合。一方面提升模型推理速度，更好满足机器人闭环实时控制需求；另一方面持续完善虚拟仿真训练体系，降低技术产业化门槛。随着核心技术不断突破，中国具身智能产业有望逐步告别“重硬件、轻智能”的发展困境，依托数据、工程与场景协同优势，在全球新一轮 AI 竞争中持续抢占主动权，开启智能机器人规模化、实用化发展的新阶段。