索辰科技与美梦空间发布具身模型及物理测评标准

具身智能商业化正面临物理适应能力不足的问题。北大与BeingBeyond发布的BeTTER基准显示，先进VLA模型遇到空间布局偏移、时序外推等干预后成功率明显下降；斯坦福研究还发现，接触任务中存在精度失效和力失效两类问题。

9月26日，美梦空间在第五届全球数字贸易博览会上发布Physical-WAM与RoboTwin-Phys。前者让机器人感知摩擦、重量、重心等因素并预判动作后果，后者用于检验模型是否真正理解物理。美梦空间由北京大学相关研究团队孵化，索辰科技于2026年8月完成独家种子轮战略投资，双方在数据、算力和物理AI方面协作。

机器人真实物理交互数据需要通过抓取、推拨、按压等接触过程采集，成本高、周期长且存在跨本体迁移障碍，目前规模仅约百万级，远低于文本和图像的数十亿级数据。

Physical-WAM在感知与动作之间引入“物理Token”，由PhysLens、PhysDream和PhysAct组成。PhysLens提取不可直接观测的物理状态，PhysDream结合环境与候选动作预测未来状态及风险，PhysAct据此生成并动态修正动作。

例如抓握纸杯时，模型可识别低刚度特性，预判注水后形变或滑脱风险，并持续调整力度和接触位置。RoboTwin-Phys则在RoboTwin基础上加入13类物理扰动，覆盖物体、接触、阻尼、任务环境和相机配置五个维度，支持单因素及组合测试。

该基准提供物理真值、接触力日志、运动学数据和失败时间线，并通过固定种子让不同模型面对相同扰动，分别评估物理推断准确率、扰动下成功率和性能上界。项目代码、数据集及排行榜均已开源。

世界模型尚无统一定义，Physical-WAM仍需验证物理Token的表征粒度、跨机器人本体迁移效率及仿真保真度边界。美梦空间后续将沿“视觉先行、力触声递进”扩展多模态物理表征、交互数据、推理效率和本体适配，推动物理数据、世界模型与评测标准协同发展。