千诀科技发布预测式世界模型Polibrain，已适配多种机器人形态
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载预测式世界模型亮相
在南京举办的首届2026物理AI与世界模型大会上，千诀科技发布了名为Polibrain的预测式世界模型。大会于10月20日开幕，LeCun与姚期智以远程方式分享了各自观察。千诀科技创始人高海川在开幕式演讲中阐述了世界模型的价值所在。Polibrain的设计思路并不追求生成未来每一帧画面，而是聚焦于预测那些真正影响行动的关键信息。模型通过学习环境状态、历史信息与行动结果之间的关联，来推断状态将如何变化。这一做法与追求高保真视频生成的路线形成对比，后者往往需要大量计算资源来渲染视觉细节，而Polibrain把重心放在决策相关的信号上。
闭环连接感知与执行
Polibrain将感知、理解、预测、决策、执行与反馈串联成一个闭环。当执行结果与预测出现不一致时，模型能够重新评估任务并调整后续行动。系统支持对关键特征进行解码追踪，把预期值与实际值的偏差呈现出来，用于异常定位与恢复。这一机制让机器人在遇到偏差时不至于直接失败，而是有机会修正。在适配层面，千诀科技已在四足、人形、轮式、双臂等机器人形态上开展测试。演示中，四足机器狗自主寻找垃圾，规划机械臂完成抓取并放入回收筐。团队还在探索陪伴服务、餐饮服务、物品整理及精细操作等任务方向。不过，复杂场景下的可靠性仍需更完整的实测数据来验证。
底层研究减少特征污染
Polibrain的底层研究采用多项式表征，提取影响任务的关键变量，从而减少对无关细节的依赖。这一思路针对的是机器人换场景时容易出现的特征污染问题——背景纹理、光照变化等因素会干扰模型对关键特征的识别，进而影响泛化表现。2025年，千诀科技联合清华团队在ICML发表了世界模型理论研究，在隐变量可辨识性等方向上，比LeCun团队的相近研究早约一年。对读者而言，这意味着世界模型的应用路径正在从追求画面生成转向服务行动决策，而实际部署效果仍取决于更多场景下的验证数据。
为什么值得看
世界模型正从论文走向真实机器人，Polibrain的技术取舍与跨本体复用思路，是观察具身智能落地路径的具体样本。
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。