近期，由上海交大博士團(tuán)隊(duì)創(chuàng)立的酷哇科技正式發(fā)布全新一代交互式世界模型 CooWAIM 2.0 （基于DAWN架構(gòu)），論文與代碼均已全面開(kāi)源。該模型首次將隱空間物理推理深度融入決策閉環(huán)，讓世界預(yù)測(cè)與動(dòng)作生成在推理過(guò)程中實(shí)現(xiàn)協(xié)同演化，從底層架構(gòu)上徹底突破了傳統(tǒng)模型"預(yù)測(cè)與規(guī)劃分離"的局限，被定位為 新一代具身大腦 。

傳統(tǒng)世界動(dòng)作模型（WAMs）存在幾條路線的共性缺陷：有的只生成未來(lái)畫(huà)面卻不直接輸出動(dòng)作；有的讓"看世界"和"做動(dòng)作"共享網(wǎng)絡(luò)但互不校驗(yàn)；有的先完整預(yù)測(cè)未來(lái)幾秒再規(guī)劃動(dòng)作，誤差逐級(jí)累積；還有的直接放棄推演，快但在復(fù)雜博弈場(chǎng)景容易"翻車(chē)"。

這些路線的根本問(wèn)題在于—— 世界預(yù)測(cè)與動(dòng)作生成之間缺乏真正深度的雙向反饋 。環(huán)境的變化依賴于智能體這一秒做了什么（比如機(jī)器狗向左移動(dòng)，行人會(huì)因此改變避讓方向），當(dāng)預(yù)測(cè)模塊不把本體動(dòng)作當(dāng)作環(huán)境演化的輸入變量，學(xué)到的只是統(tǒng)計(jì)相關(guān)而非因果規(guī)律，結(jié)果就是換個(gè)場(chǎng)景就要重訓(xùn)、遇到動(dòng)態(tài)交互就反應(yīng)遲鈍。

CooWAIM 2.0的核心創(chuàng)新正是要讓 世界的未來(lái)狀態(tài)跟智能體采取的動(dòng)作互相影響 ?；?DAWN（Denoising Actions and World Interactive Model）架構(gòu) ，團(tuán)隊(duì)將世界預(yù)測(cè)器與動(dòng)作降噪器置于隱空間內(nèi)聯(lián)合訓(xùn)練——世界假設(shè)指導(dǎo)動(dòng)作生成，動(dòng)作假設(shè)反過(guò)來(lái)重塑世界推演，形成雙向閉環(huán)。

推理時(shí)不依賴全像素級(jí)視頻渲染，而是在語(yǔ)義特征空間進(jìn)行推演：動(dòng)作降噪器先基于當(dāng)前視覺(jué)潛變量生成初始動(dòng)作意圖，預(yù)測(cè)器據(jù)此在隱空間推演出短期未來(lái)世界狀態(tài)，動(dòng)作降噪器再"接收"未來(lái)狀態(tài)，根據(jù)潛在物理反饋（碰撞風(fēng)險(xiǎn)、地形阻礙）進(jìn)一步修正動(dòng)作軌跡，多輪遞歸交互后輸出最終動(dòng)作。

CooWAIM 2.0的誕生建立在酷哇過(guò)去十年在城市開(kāi)放場(chǎng)景規(guī)?；\(yùn)營(yíng)沉淀的真機(jī)數(shù)據(jù)之上：

• 全球50多個(gè)城市部署萬(wàn)臺(tái)級(jí)市政環(huán)衛(wèi)、出行機(jī)器人
• 累計(jì)運(yùn)行里程超過(guò)4500萬(wàn)公里
• 這些不是實(shí)驗(yàn)室Demo機(jī)，而是在早晚高峰車(chē)流中貼邊作業(yè)、在復(fù)雜街區(qū)避讓行人和非機(jī)動(dòng)車(chē)的商用設(shè)備

當(dāng)許多團(tuán)隊(duì)還在為"仿真到現(xiàn)實(shí)"的鴻溝頭疼時(shí)，酷哇的模型已經(jīng)在落地的不確定性中反復(fù)打磨。

具身智能行業(yè)正在經(jīng)歷重心轉(zhuǎn)移——前幾年的核心問(wèn)題是"能不能動(dòng)"，如今進(jìn)入下半場(chǎng)，問(wèn)題變成了 "能不能在真實(shí)世界里以可接受的成本安全地規(guī)?；涞? 。

CooWAIM 2.0世界預(yù)測(cè)與動(dòng)作規(guī)劃的深度耦合，不只是技術(shù)路線的突破，也是商業(yè)模型的重構(gòu)。當(dāng)模型能力直接影響跨場(chǎng)景、規(guī)?；渴鸪杀?，意味著具身智能的競(jìng)爭(zhēng)焦點(diǎn)正在從Demo時(shí)代進(jìn)入應(yīng)用時(shí)代。